IDENTIFIKASI TINGKAT SERANGAN PENYAKIT …etheses.uin-malang.ac.id/7834/1/08650005.pdfIDENTIFIKASI...

IDENTIFIKASI TINGKAT SERANGAN PENYAKIT BUSUK

DAUN (Phytophthora infestans (Mont.) de Bary) PADA

TANAMAN KENTANG MENGGUNAKAN

METODE FUZZY MAMDANI

BERBASIS ANDROID

SKRIPSI

Oleh:

REZKI RAMDHANI

NIM. 08650005

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM

MALANG

2014

ii





BERBASIS ANDROID

SKRIPSI

Diajukan Kepada:

Jurusan Teknik Informatika

Fakultas Sains dan Teknologi

Universitas Islam Negeri (UIN) Maulana Malik Ibrahim Malang

Sebagai Salah Satu Persyaratan Untuk Memperoleh Gelar Sarjana Strata

Satu (S1)

Oleh:

REZKI RAMDHANI

NIM 08650005

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM

MALANG

2014

iii





BERBASIS ANDROID

SKRIPSI

Oleh:

REZKI RAMDHANI

NIM. 08650005

Telah Diperiksa dan Disetujui untuk Diuji:

Tanggal: 07 Maret 2014

Dosen Pembimbing I, Dosen Pembimbing II,

Dr. Suhartono, M.Kom Achmad Nashichuddin, M.A

NIP.196805192003121001 NIP.19730705200031002

Mengetahui,

Ketua Jurusan Teknik Informatika

Dr. Cahyo Crysdian, MCS

NIP. 197404242009011008

iv

HALAMAN PENGESAHAN





BERBASIS ANDROID

SKRIPSI

REZKI RAMDHANI

NIM. 08650005

Telah Dipertahankan di Depan Dewan Penguji Skripsi

Dan Dinyatakan Diterima Sebagai Salah Satu Persyaratan

Untuk Memperoleh Gelar Sarjana Teknik Informatika (S.Kom)

Tanggal, 07 Maret 2014

Susunan Dewan Penguji: Tanda Tangan

1. Penguji Utama : Yunifa Miftachul Arif, MT (.........................)

NIP. 198306162011011004

2. Ketua : A’la Syauqi, M.Kom (.........................)

NIP. 197712012008011007

3. Sekretaris : Dr. Suhartono, M.Kom (.........................)

NIP. 196805192003121001

4. Anggota : Ach. Nashichuddin, M.A (.........................)

NIP. 197307052000031002

Mengesahkan,

Ketua Jurusan Teknik Informatika

Dr. Cahyo Crysdian, MCS

NIP. 197404242009011008

v

PERNYATAAN

ORISINALITAS PENELITIAN

Saya yang bertanda tangan dibawah ini:

Nama : Rezki Ramdhani

NIM : 08650005

Jurusan : Teknik Informatika

Fakultas : Sains dan Teknologi

Judul Skripsi : IDENTIFIKASI TINGKAT SERANGAN PENYAKIT

BUSUK DAUN (Phytophthora infestans (Mont.) deBary)

PADA TANAMAN KENTANG MENGGUNAKAN METODE

FUZZY MAMDANI BERBASIS ANDROID

Dengan ini menyatakan bahwa :

1. Isi dari Skripsi yang saya buat adalah benar-benar karya sendiri dan tidak

menjiplak karya orang lain, selain nama-nama termasuk di isi dan tertulis

di daftar pustaka dalam Skripsi ini.

2. Apabila dikemudian hari ternyata Skripsi saya tulis terbukti hasil

jiplakan, maka saya akan bersedia menanggung segala resiko yang akan

saya terima.

Demikian pernyataan ini dibuat dengan segala kesadaran.

Malang, 07 Februari 2014

Yang menyatakan,

Rezki Ramdhani

NIM. 08650005

vi

Persembahan

Segala puji hanya milik ALLAH Sang Pencipta jagat raya dan seisinya,

ALLAH SWT, Yang Maha Pemberi Kekuatan, Yang Maha Pengasih lagi Maha

Penyayang, yang mengajariku segala hal yang kubutuhkan untuk hidup lebih baik,

yang tiada daya dan upaya kecuali semua atas izin dan pertolongan-NYA semata,

Dzat Yang Maha Kuasa, Yang Maha Mengetahui, tiada yang dapat mengerti setitik

pun dari ilmu-NYA kecuali jika IA telah menghendakinya, Dzat yang menjadi tempat

kembali segala urusan, tujuan hidup, tempat meminta segala sesuatu, yang hanya

dengan mengingat-NYA hati menjadi sangat damai. Segala puji hanya bagi ALLAH

dengan segala tanda-tanda kekuasaan-NYA. Tiada Tuhan selain ALLAH Ta’ala.

Aplikasi ini saya persembahkan kepada Bapak Dr. Suhartono, M.Kom

selaku pembimbing skripsi saya. Ucapan terima kasih yang tak terhingga untuk

setiap nasihat dan kesabaran yang selalu tersedia untuk saya, untuk setiap

kesempatan yang Bapak berikan kepada saya demi menjadi yang terhebat dalam

batasan saya sendiri. Terima kasih selalu ada untuk saya, Pak Har.

Ungkapan terima kasih saya persembahkan pula kepada Bapak Achmad

Nashichuddin atas kesabaran Bapak mendengarkan pendapat-pendapat saya

tentang integrasi agama Islam dalam teknologi dan sains yang secara tak sengaja

justru mengenalkan saya akan keindahan Islam sendiri.

Terima kasih kepada semua warga Jurusan Teknik Informatika yang

kehebatannya selalu menginspirasi saya, juga kepada pakar Universitas Brawijaya

Malang Jurusan Hama dan Penyakit Tanaman yang selalu dan selalu bersedia

membagi ilmu mereka kepada saya, juga kepada Dosen Teologi dan teman-teman

sekelas yang telah mengenalkan saya tentang usaha dan doa.

Terima kasih tak terhingga kepada kedua orang tua dan keluargaku atas

cinta kasih dan senyumnya yang selalu menguatkan langkahku untuk menjadi orang

yang lebih baik.

Terima kasih penuh cinta kepada Kado di Bulan, Anak-Anak Ceria,

Bougenville serta semua “lilin emas”ku yang namanya selalu hadir menemani

langkah-langkah dan proses ini.

vii

MOTTO

“Sesungguhnya ALLAH tidak akan pernah mengubah

keadaan suatu kaum sehingga mereka mengubah keadaan

yang ada pada diri mereka sendiri”

(Q.S. Ar-Raad:11)

“HIDUP ADALAH PILIHAN,

TUGAS MANUSIA HANYALAH MEMILIH, BERUSAHA DAN BERDOA

but,

TIADA DAYA DAN UPAYA KECUALI ATAS IZIN ALLAH”

(Anonim)

viii

KATA PENGANTAR

Puji syukur selalu tertuju kepada Allah SWT yang hanya karena izin-NYA

Tugas Akhir yang berjudul “IDENTIFIKASI TINGKAT SERANGAN PENYAKIT

BUSUK DAUN (Phytophthora infestans (Mont.) deBary) PADA TANAMAN

KENTANG MENGGUNAKAN METODE FUZZY MAMDANI BERBASIS

ANDROID” ini dapat diselesaikan. Semoga Allah melimpahkan cinta dan kasih kepada

Nabi Muhammad SAW, seluruh keluarganya, sahabatnya, dan kepada seluruh umat

Islam di muka bumi ini.

Ucapan terima kasih dan iringan do’a penulis ingin sampaikan kepada semua

pihak yang telah memberikan kemudahan, motivasi, dan berbagai bantuan kepada

penulis dalam menyelesaikan studi:

1. Prof. Dr. H. Mudjia Raharjo, M.Si selaku Rektor Universitas Islam Negeri (UIN)

Maulana Malik Ibrahim Malang.

2. Prof. Dr. H.Imam Suprayogo selaku Rektor periode akademik sebelumnya.

3. Dr. Hj. Drh. Bayyinatul Muhtaromah, M.Si selaku Dekan Fakultas Sains dan

Teknologi UIN Maulana Malik Ibrahim Malang.

4. Dr. Cahyo Crysdian selaku Ketua Jurusan Teknik Informatika Fakultas Sains dan

Teknologi UIN Maulana Malik Ibrahim Malang.

5. Ririen Kusumawati, M.Kom, selaku Ketua Jurusan Teknik Informatika UIN

Maulana Malik Ibrahim Malang periode akademik sebelumnya.

6. Dr. Suhartono, M.Kom, selaku Dosen pembimbng I yang selalu meluangkan waktu

untuk membimbing, memotivasi, mengarahkan, serta memberikan saran dalam

pengerjaan skripsi ini.

7. Achmad Nasichuddin, M.A selaku Dosen pembimbing II integrasi sains dan agama

yang telah membimbing, mengarahkan dan memberi saran dalam pengerjaan

skripsi ini.

8. Seluruh Dosen Teknik Informatika Fakultas Sains dan Teknologi UIN Maulana

Malik Ibrahim Malang, yang selalu menjadi salah satu inspirasi hebat bagi penulis.

9. Teman-Teman angkatan 2009 yang selalu menjadi alasan utama untuk selalu

bersemangat menimba ilmu disini.

ix

10. Dan semua pihak yang namanya selalu ada dalam setiap proses penyelesaian skripsi

penulis.

Penulis menyadari bahwa kesempurnaan hanya milik Allah SWT, oleh karena

itu, penulis sangat mengharapkan saran dan kritik yang bersifat membangun dari semua

pembaca demi memperbaiki mutu penulisan selanjutnya. Semoga skripsi ini memberi

kontribusi positif dan bermanfaat bagi penulis dan pembaca. Aamiin…

x

DAFTAR ISI

Halaman Judul ........................................................................................... i

Halaman Pengajuan ................................................................................... ii

Halaman Persetujuan................................................................................. iii

Halaman Pengesahan ................................................................................. iv

Halaman Pernyataan ................................................................................. v

Persembahan ............................................................................................... vi

Motto............................................................................................................ vii

Kata Pengantar ........................................................................................... viii

Daftar Isi ..................................................................................................... x

Daftar Gambar ........................................................................................... xii

Daftar Tabel ................................................................................................ xiii

Abstrak Indonesia ...................................................................................... xiv

Abstrak Inggris ........................................................................................... xv

BAB I PENDAHULUAN ........................................................................... 1

1.1 Latar Belakang ...................................................................................... 1

1.2 Rumusan Masalah ................................................................................. 2

1.3 Tujuan Penelitian .................................................................................. 2

1.4 Manfaat Penelitian ................................................................................ 2

1.5 Batasan Masalah ................................................................................... 2

1.6 Metode Penelitian ................................................................................. 6

1.7 Sistematika Penulisan Laporan ............................................................. 3

BAB II TINJAUAN PUSTAKA ................................................................ 6

2.1 Tanaman Kentang (Solanum tuberosum L) ......................................... 6

2.2 Epidemiologi Penyakit Tumbuhan....................................................... 6

2.3 Hama dan Penyakit Utama Tanaman Kentang ................................... 10

2.4 Penyakit Busuk Daun Kentang Phytophthora infestans ..................... 11

2.5 Tindakan Pengendalian Penyakit pada Tanaman Kentang .................. 13

2.6 Logika Fuzzy ....................................................................................... 17

2.7 Metode Fuzzy Mamdani ....................................................................... 25

BAB III ANALISIS DAN PERANCANGAN SISTEM .......................... 29

3.1 Kebutuha Sistem ........................... ...................................................... 29

3.1.1 Deskripsi Umum Identifikasi Tingkat Serangan P. Infestan.... 29

3.1.2 Usulan Pemecahan Masalah ..................................................... 30

3.2 Perancangan Sistem ............................................................................ 38

3.2.1 Desain Input ............................................................................. 38

3.2.2 Perancangan Proses .................................................................. 38

3.2.3 Perancangan Output ................................................................. 39

3.2.4 Perancangan Antarmuka Pemakai (User Interface) ................. 39

xi

BAB IV HASIL DAN PEMBAHASAN .................................................... 41

4.1 Implementasi Program ......................................................................... 41

4.1.1 Ruang Lingkup Perangkat Keras .............................................. 41

4.1.2 Ruang Lingkup Perangkat Lunak ............................................. 41

4.2 Implementasi Program ......................................................................... 42

4.2.1 Proses Tampil Data XML ........................................................ 42

4.2.2 Proses Input Jumlah Bercak dan Luas Sebaran Bercak ........... 43

4.2.3 Proses Pembentukan Himpunan Fuzzy .................................... 43

4.2.4 Proses Aplikasi Fungsi Implikasi ............................................. 44

4.2.5 Proses Komposisi Aturan ......................................................... 45

4.2.6 Proses Defuzzifikasi ................................................................. 45

4.3 Implementasi Interface ........................................................................ 46

4.3.1 Interface Menu Utama ............................................................. 46

4.3.2 Interface Menu Identifikasi Tingkat Serangan ........................ 47

4.3.3 Interface Menu Pintas .............................................................. 48

4.4 Pengujian .............................................................................................. 49

BAB V PENUTUP ...................................................................................... 68

..............................................................................................................

5.1 Kesimpulan ......................................................................................... 68

5.2 Saran ................................................................................................... 68

DAFTAR PUSTAKA

LAMPIRAN

xii

DAFTAR GAMBAR

Gambar 2.1. Representasi linear naik ............................................................ 20

Gambar 2.2. Representasi linear turun .......................................................... 21

Gambar 2.3. Representasi kurva segitiga ...................................................... 22

Gambar 2.4. Representasi kurva trapesium ................................................... 23

Gambar 2.5. Representasi kurva bahu pada variabel temperatur .................. 24

Gambar 2.6. Representasi fungsi kurva-S ..................................................... 24

Gambar 3.1. Grafik variabel jumlah bercak................................................ .. 32

Gambar 3.2. Grafik variabel luas sebaran bercak............................ .............. 33

Gambar 3.3. Grafik variabel intensitas kerusakan......................................... 35

Gambar 3.4. Bagan alir proses identifikasi tingkat serangan P. infestans.... 39

Gambar 4.1. Interface menu utama aplikasi................................................... 47

Gambar 4.2. Interface menu identifikasi tingkat serangan P. infestans......... 47

Gambar 4.3. Interface hasil defuzzifikas……………………………………. 48

Gambar 4.4. Interface OPT penting pada tanaman kentang.......................... 48

Gambar 4.5. Fungsi keanggotaan untuk jumlah bercak sebanyak 20............ 49

Gambar 4.6. Fungsi keanggotaan untuk luas sebaran bercak 10..................... 51

Gambar 4.7. Fungsi keanggotaan untuk jumlah bercak sebanyak 35.............. 55

Gambar 4.8. Fungsi keanggotaan untuk luas sebaran bercak 23..................... 56

Gambar 4.9. Fungsi keanggotaan untuk jumlah bercak sebanyak 43.............. 61

Gambar 4.10. Fungsi keanggotaan untuk luas sebaran bercak 31.................... 62

xiii

DAFTAR TABEL

Tabel 2.1. Contoh penilaian terhadap intensitas serangan Phytophthora

Infestans(Asaad, 2009:301) ......................................................... 13

Tabel 2.2. Ambang pengendalian OPT penting pada tanaman kentang

(Duriat, dkk, 2006:43).................................................................. 15

Tabel 3.1. Semesta pembicaraan untuk setiap variabel fuzzy ........................ 30

Tabel 3.2. Tabel himpunan fuzzy.... ............................................................... 31

Tabel 3.3. Tabel himpunan fuzzy variabel jumlah bercak.............................. 31

Tabel 3.4. Tabel himpunan fuzzy variabel luas sebaran bercak..................... 33

Tabel 3.5. Tabel himpunan fuzzy variabel intensitas kerusakan.................... 34

Tabel 3.6. Aturan-aturan dalam penentuan intensitas kerusakan................ .. 36

Tabel 4.1. Aplikasi fungsi implikasi untuk jumlah bercak 20 dan

luas sebaran bercak 10%................................... ........................... 52


luas sebaran bercak 23%.................................................................. 58


luas sebaran bercak 31%................................................................... 64

Tabel 4.4. Tabel hasil pengujian……………………………………………. 66

xiv

ABSTRAK

Ramdhani, Rezki. 2014. Identifikasi Tingkat Serangan Penyakit Busuk Daun

(Phytophthora infestans (Mont.) de Bary) pada Tanaman Kentang

Menggunakan Metode Fuzzy Mamdani Berbasis Android. Tugas

akhir/skripsi. Jurusan Teknik Informatika Fakultas Sains dan Teknologi

Universitas Islam Negeri Maulana Malik Ibrahim Malang. Pembimbing: (I) Dr.

Suhartono, M.Kom. (II) Achmad Nacshihuddin. M.A.

Kata kunci: metode Fuzzy Mamdani, himpunan fuzzy, defuzzifikasi, tingkat

serangan.

Pengendalian terhadap serangan Phytophthora infestans menggunakan zat kimiawi

seperti fungisida harus dilakukan secara bijaksana untuk menghindari dampak

negatif zat tersebut terhadap lingkungan. Pengendalian dapat dilakukan apabila

intensitas serangan telah mencapai ambang kendali. Untuk melakukan identifikasi

tingkat serangan P. Infestans maka digunakan metode Fuzzy Mamdani yang terdiri

dari empat tahapan, yaitu pembentukan himpunan fuzzy, aplikasi fungsi implikasi

dengan metode Minimum, komposisi aturan dengan metode Maximum, dan

defuzzifikasi (penegasan). Terdapat perbedaan antara hasil perhitungan intensitas

kerusakan P. Infestans menggunakan metode Mamdani dengan perhitungan

menggunakan logika tegas yang berpengaruh terhadap hasil identifikasi tingkat

serangan. Berdasarkan hasil pengujian yang telah dilakukan maka penggunaan

metode fuzzy Mamdani dalam mengidentifikasi tingkat serangan Phytophthora

infestans pada tanaman kentang memiliki tingkat keakurasian sebesar 67%.

xv

ABSTRACT

Ramdhani, Rezki. 2014. The identification of The Potato Late-Blight (Phytophthora

infestans (Mont.) de Bary) Level of Attack by Using Fuzzy Mamdani

Method through Android. Informatics Engineering Department Faculty of

Science and Technology State Islamic University Maulana Malik Ibrahim

Malang.

Supervisor: (I) Dr. Suhartono, M.Kom and (II) Achmad Nacshihuddin. M.A

Keywords: Fuzzy Mamdani method, fuzzification, defuzzification, level attacks.

Handling the attack of Phytophthora infestans by using chemical substance such as

fungisida must be done wisely to prevent from the negative impacts towards the

environment. It can be done when the damage intensity has reached the Treshold

Control. Fuzzy Mamdani method can be applied to identify the level of the attacks.

The Mamdani-style fuzzy inference process is performed in four steps: fuzzification

of the input variables, rule evaluation by Minimum method, aggregation of the rule

outputs by Maximum method, and defuzzification. There are some differences

between the results of the damage intensity computing by using Mamdani method

and the results by using Boolean Logic.The differences affect the indentification

results of the attack level. Based on the testing results, the use of Mamdani method

has 67% accuracy rate.

1

BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Tanaman kentang, dalam pembudidayaannya, sering mendapatkan

gangguan baik karena masalah teknis maupun karena Organisme Pengganggu

Tumbuhan (OPT). OPT adalah organisme yang mampu hidup, berkembangbiak,

menular, dan menyebar. Salah satu OPT yang sering menyerang tanaman kentang

adalah Phytophtora infestans (Mont.) deBary. Adapun gejala serangan yang dapat

diamati adalah munculnya bercak-bercak nekrotis pada daun dan umbi. Serangan

P. infestans dapat menyebabkan petani kehilangan hasil panen hingga 50%

(Duriat, dkk, 2006:2).

Pengendalian terhadap serangan P. infestans dengan menggunakan fungsida

yang terbuat dari zat-zat kimia yang tidak bijaksana dapat membahayakan

lingkungan hidup. Oleh karena itu, perlu dilakukan identifikasi tingkat serangan

P. infestans pada tanaman kentang guna mengetahui apakah serangan tersebut

telah mencapai ambang kendali diperbolehkannya penggunaan fungisida.

Fuzzy Mamdani dapat digunakan untuk mengidentifikasi tingkat serangan P.

Infestans pada tanaman kentang. Pada metode ini, setiap nilai input maupun

output memiliki interval (domain) sehingga sebuah nilai bisa termasuk ke dalam

dua himpunan fuzzy.

Aplikasi ini dapat digunakan oleh mahasiswa pertanian ataupun pelajar dari

sekolah-sekolah pertanian, serta pakar di bidang penyakit tanaman untuk

2

mengidentifikasi tingkat serangan Phytophthora infestans. Penggunaan android

sebagai platform aplikasi ini diharapkan memberikan kemudahan kepada

penggunanya karena sifat dari android, yaitu mobile sehingga bisa digunakan

langsung di lapangan.

1.2 RUMUSAN MASALAH

Adapun rumusan masalah dalam skripsi ini adalah sebagai berikut:

1. Bagaimana tingkat keakurasian metode fuzzy Mamdani dalam

mengidentifikasi tingkat serangan Phytophthora infestans pada tanaman

kentang?

2. Bagaimana perbedaan hasil identifikasi tingkat serangan Phytophthora

infestans pada tanaman kentang apabila menggunakan metode fuzzy

Mamdani jika dibandingkan dengan identifikasi menggunakan logika

tegas?

1.3 BATASAN MASALAH

Batasan masalah pada skripsi ini adalah sebagai berikut:

1. Identifikasi tingkat serangan Phytophthora infestans dilakukan pada

bagian daun dari tanaman kentang yang menunjukkan gejala dan tanda

penyakit.

2. Tingkat serangan Phytophthora infestans dihitung berdasarkan jumlah

dan luas sebaran bercak terhadap luas permukaan daun.

3

1.4 TUJUAN PENELITIAN

Tujuan yang akan dicapai dalam skripsi ini adalah:

1. Mengetahui tingkat keakurasian metode fuzzy Mamdani dalam

mengidentifikasi tingkat serangan Phytophthora infestans pada tanaman

kentang.

2. Mengetahui perbedaan hasil identifikasi tingkat serangan Phytophthora

infestans apabila menggunakan metode fuzzy Mamdani jika

dibandingkan dengan identifikasi menggunakan logika tegas.

1.5 MANFAAT PENELITIAN

Manfaat yang diharapkan dari hasil penelitian ini adalah dapat membantu

pengguna untuk mengidentifikasi tingkat serangan Phytophthora infestans pada

tanaman kentang.

1.6 METODE PENELITIAN

Ada beberapa tahap yang ditempuh dalam merancang aplikasi identifikasi

tingkat kerusakan pada daun kentang akibat serangan Phytophthora infestans,

yaitu:

1. Pengumpulan Data

Pada tahap ini dilakukan studi literatur atau studi pustaka yaitu

mengumpulkan bahan referensi dari buku, artikel, jurnal, maupun

internet mengenai gejala penyakit yang disebabkan oleh Phytophthora

4

infestans pada tanaman kentang serta tingkat kerusakan yang

ditimbulkan.

2. Analisis Data

Pada tahap ini, data-data yang telah diperoleh dari tahap pengumpulan

data tersebut dianalisis untuk selanjutnya dibuatkan rancangan dan desain

sistemnya.

3. Perancangan dan Desain Sistem

Tahap-tahap yang meliputi bagian ini adalah sebagai berikut: merancang

sistem, membuat desain sistem, dan peneyempurnaan rancangan dan

desain sistem.

4. Pembuatan Aplikasi

Pada tahap implementasi ini, model perancangan dan desain sistem

diterapkan dalam bentuk bahasa pemrograman.

5. Uji Coba dan Evaluasi

Pada tahap ini, aplikasi sistem akan diuji untuk memastikan semua

prosedur telah bekerja sesuai dengan tujuan yang telah ditargetkan.

6. Penyusunan Laporan Tugas Akhir

Penyusunan laporan ini merupakan bentuk dokumentasi dari berbagai

tahap yang dilakukan selama perancangan sistem dan uji coba serta

evaluasi sistem.

5

1.7 SISTEMATIKA PENULISAN

Adapun sistematika penulisan laporan tugas akhir ini adalah sebagai berikut:

BAB I. PENDAHULUAN

Bab ini terdiri dari latar belakang, rumusan masalah, batasan masalah,

tujuan penelitian, manfaat penelitian, metodologi penelitian, serta

sistematika penulisan laporan.

BAB II. TINJAUAN PUSTAKA

Bab ini menjelaskan tentang teori-teori yang berkaitan dengan lingkup

permasalahan yang dijadikan sebagai bahan referensi dalam pengembangan

sistem.

BAB III. DESAIN DAN PERANCANGAN SISTEM

Bab ini memaparkan analisis terhadap sistem yang akan dibangun. Hasil

analisa kemudian dimodelkan ke dalam bentuk flowchart.

BAB IV. HASIL DAN PEMBAHASAN

Bab ini memaparkan hasil analisa dan pemodelan sistem yang telah

dilakukan penulis serta penerapannya dalam bentuk program aplikasi serta

menjelaskan hasil proses uji coba program untuk mengetahui tingkat

kesesuaian program dengan visi, misi, dan tujuan penelitian pada awal

perancangan sistem.

BAB V. PENUTUP

Bab ini memaparkan kesimpulan dari serangkaian penelitian yang telah

dilakukan penulis, serta saran-saran yang berkaitan dengan pengembangan

penelitian lebih lanjut.

6

BAB II

TINJAUAN PUSTAKA

2.1 Tanaman Kentang (Solanun tuberosum L)

Menurut Duriat, dkk (2006:1) Kentang adalah komoditas sayuran dengan

kegunaan ganda, yaitu sebagai sayuran dan substitusi karbohidrat.

The International Potato Center (2008) dalam Farida (2011:4) menyatakan

“kentang diklasifikasikan ke dalam kelas Magnoliopsida, Sub kelas Asteridae,

Ordo Solanales, Famili Solanaceae, Genus Solanum, dan Spesies Solanum

tuberosum”.

Di Indonesia, kentang digunakan sebagai sayuran dan bahan pelengkap

menu utama. Kentang mengandung jenis karbohidrat kompleks sebesar 18%,

protein 2.4% dan lemak 0.1%. Total energi yang diperoleh dalam setiap 100 gram

kentang mencapai 80 kkal sehingga dapat digunakan sebagai pengganti nasi

(Astawan, 2004; Farida, 2011:1).

2.2 Epidemiologi Penyakit Tumbuhan

Epidemi dikenal sebagai suatu keadaan yang terjadi akibat dari suatu

penyebab penyakit telah menyerang suatu pertanaman dan mampu menyebar dan

menyerang banyak tanaman dalam populasi di dalam suatu areal yang luas dan

hanya membutuhkan waktu yang singkat. Interaksi antara patogen yang virulen

dengan inang yang rentan serta didukung oleh faktor lingkungan yang

7

menguntungkan bagi patogen tersebut menyebabkan terjadinya epidemi

(Nurhayati, 2011:1).

Epi, diambil dari istilah epidemi yang berasal dari Gerika Yunani berarti

yang mengenai atau merusak, dan demos yang berarti masyarakat atau orang

banyak, maka dapat disimpulkan bahwa “epidemiologi adalah ilmu pengetahuan

yang membahas tentang sifat dan perkembangan suatu patogen, interaksi antara

patogen dan inang serta faktor lingkungan yang mempengaruhinya” (Nurhayati,

2011:3).

Epidemi penyakit dapat terjadi karena ada beberapa unsur yang terlibat di

dalamnya, yaitu patogen penyebab penyakit, tanaman inang, faktor lingkungan

abiotik, dan faktor lingkungan abiotik. Kondisi lingkungan yang sesuai bagi

perkembangan penyakit menyebabkan penyakit tersebut dapat berkembang

dengan sangat pesat dan berulang kali dalam jangka waktu yang panjang

(Nurhayati, 2011:5).

Epidemi penyakit juga dipengaruhi oleh faktor internal yang berasal dari

tanaman inang itu sendiri, yaitu tingkat keragaman genetik, umur tanaman, serta

tipe tanaman. Beberapa tanaman ada yang tahan terhadap penyakit pada saat

berumur muda, sedangkan pada beberapa tanaman lain, sifat rentan justeru terjadi

pada saat telah tua. Salah satu contoh pengaruh epidemi terhadap umur adalah

tanaman kentang yang rentan terhadap serangan Phytophthora infestans. Tanaman

ini bersifat rentan terhadap P. infestans pada awal periode pertumbuhannya,

kemudian menjadi agak tahan serangan pada periode awal fase perkembangan

dewasa dan kembali rentan setelah fase pematangan. (Nurhayati, 2011:7).

8

Nurhayati (2011:11) menyatakan bahwa “proses terjadinya epidemi sangat

komplek oleh karenanya tidaklah mungkin untuk menghentikan ataupun

mengenyakkan suatu penyakit di areal pertanaman yang kita miliki”. Agar tidak

mencapai ambang ekonomi dan menyebabkan kerugian, maka penyakit tersebut

perlu dikelola dengan cara mencegah, menunda, ataupun memperlambat proses

epidemi penyakit. Hal tersebut dapat kita lakukan dengan cara mencari tahu

proses-proses dan mekanisme yang terjadi serta dampak lingkungan terhadap

mekanisme proses tersebut.

Epidemi penyakit menyebabkan kerusakan dan kerugian bagi petani dan

konsumen karena epidemi memaksa petani untuk mengeluarkan biaya ekstra

untuk penanggulangan atau pengendaliannya atau bahkan tidak panen sama

sekali. Selain itu, epidemi juga menyebabkan petani kehilangan hasil. Kehilangan

hasil didefinisikan sebagai pengurangan hasil, baik secara kualitas ataupun secara

kuantitas, yang dapat terjadi sebagai akibat adanya serangan patogen pada

tanaman (Nurhayati, 2011:59).

Dalam ilmu epidemi penyakit, dikenal istilah phytopathometry, yaitu suatu

metode pengukuran penyakit (Nurhayati, 2011:68). Pengetahuan mengenai

phytopathometry yang juga menyangkut tentang insiden penyakit tanaman,

severity atau keparahan penyakit, dan pola spatial dari penyakit tanaman sangat

penting karena sejalan dengan kondisi ekonomi pertanian yang lebih banyak

memerlukan keputusan kritis di setiap tingkatannya. Phytopathometry digunakan

oleh pemerintah, swasta, dan institusi pribadi untuk mendapatkan informasi yang

dibutuhkan dalam mengevaluasi hasil penelitian jangka panjang mereka dan

9

sumber-sumber alokasinya. Adapun untuk petani dan penyuluh pertanian

menggunakan metode ini untuk membuat keputusan.

Menurut Nurhayati (2011:71), ada beberapa parameter yang digunakan

untuk pengukuran penyakit, yaitu:

1. Disease incidence atau insedensi penyakit, merupakan jumlah unit tanaman

yang terinfeksi, seperti: seluruh tanaman, daun, buah, umbi, ranting, cabang,

dan lainnya. Insidensi penyakit dinyatakan sebagai proporsi (0 sampai 1) atau

sebagai persentase (10 sampai 100) dari penyakit yang ada dalam suatu unit

sampling. Parameter ini termasuk yang paling populer untuk pengukuran

penyakit karena mudah dan cepat, akurat, dan dapat diulang.

2. Prevelensi penyakit: Zadock dan Schein (1979) dalam Nurhayati, (2011: 71)

mempertimbangkan ukuran yang berarti ganda dan mengusulkan

penggunaannya dengan hati-hati. Prevelensi penyakit telah berassosiasi

dengan skala pengukuran insidensi penyakit yang besar sehingga

pengukurannya dipertimbangkan sama dengan insidensi penyakit itu sendiri.

3. Disease severity atau keparahan penyakit, merupakan kuantitas pengaruh

penyakit yang diperoleh dalam suatu sampling, biasanya secara tepar

dinyatakn sebagai area atau area dan volum dari jaringan tanaman yang

terinfeksi.

4. Kehilangan hasil, merupakan pengurangan dalam kualitas dan kuantitas dari

yang hasil yang dapat diukur.

Insidensi penyakit dapat juga disebut sebagai Kejadian Penyakit, yaitu

proporsi individual inang atau organ yang terserang penyakit, tanpa menghitung

10

berat penyakit, dan dihitung dalam bentuk satuan persentase, dengan rumus

(Rizkyarti, 2010:1) :

𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠𝑖 𝑃𝑒𝑛𝑦𝑎𝑘𝑖𝑡 =𝑛

𝑁× 100% (2.1)

Adapun keparahan penyakit dihitung menggunakan rumus (Rizkyarti, 2010:1):

𝑆𝑒𝑣𝑒𝑟𝑖𝑡𝑎𝑠 𝑃𝑒𝑛𝑦𝑎𝑘𝑖𝑡 =∑𝑛×𝑣

𝑁×𝑉× 100% (2.2)

2.3 Hama dan Penyakit Utama Tanaman Kentang

Dalam upaya pembudidayaannya, ada beberapa Organisme Pengganggu

Tumbuhan (OPT) yang sering menyerang tanaman kentang. CIP-Balitsa (1999)

dalam Duriat, dkk (2006:1) telah menginventarisasi OPT pada kentang yang

terdiri dari 72 jenis; 4 jenis bakteri patogen, 13 jenis cendawan patogen, 15 jenis

virus patogen, 1 jenis mikroplasma patogen, 8 jenis penyakit fisiologi (abiotik),

dan 31 jenis hama. Semua jenis OPT ini merupakan penggabungan dari berbagai

daerah atau negara penghasil kentang dan perkembangan masing-masing OPT

dipengaruhi oleh faktor-faktor pendukung di masing-masing daerah atau negara

tersebut, seperti faktor varietas tanaman yang terserang dan faktor keadaan

lingkungan.

11

Adapun menurut laporan Puslitbang Hortikultura (20130), OPT penting

yang menyerang tanaman kentang antara lain adalah penggerek umbi kentang,

kutu daun persik, lalat pengorok daun, trips, kumbang kentang, tungau kuning,

anjing tanah, hama uret, virus daun menggulung, penyakit busuk daun, penyakit

becak kering alternaria, penyakit layu bakteri, penyakit kudis dan nematoda.

2.4 Penyakit Busuk Daun Kentang Phytophthora infestans

Phytophthora infestans merupakan cendawan yang memiliki banyak ras

dan dapat membentuk oospora. P. infestans mempunyai miselium yang bersifat

interseluler, jumlah haustoria yang banyak serta tidak memiliki sekat.

Konidiofor-nya keluar dari stomata dengan percabangan simpodial berbentuk

lingkaran yang unik. Konidium-nya berbentuk menyerupai jambu biji dengan inti

mencapai 7-32 inti. Patogen ini dapat bertahan dari musim ke musim, di dalam

benih umbi yang sakit. Jika benih tersebut ditanam, maka cendawan akan naik ke

tunas muda lalu membentuk konidium. Konidium ini kemudian dipencarkan oleh

angin ke tanaman lainnya (Ditlinhorti, 2013).

Semangun (2007) menyatakan bahwa gejala dan tanda yang

memperlihatkan suatu tanaman kentang terserang P. infestans adalah daun yang

luka sehingga menimbulkan bercak-bercak nekrotis pada tepi dan ujungnya, jamur

putih di atas luka tersebut adalah konidiofor yang spora-nya akan menyebar

dibawa angin. Spora tersebut akan bertunas bila udara lembab dan berembun. Jika

suhu tidak terlalu rendah (18 – 21oC) dan kelembapan cukup tinggi, maka bercak

akan meluas dengan cepat, bercak berwarna cokelat dan akan mematikan seluruh

12

daun. Bercak yang aktif ini diliputi oleh massa spongarium seperti tepung putih

dengan latarbelakang berwarna hijau kelabu. Jika kondisi cuaca sedemikian

berlangsung lama, maka seluruh bagian tana,an di atas tanah akan mati. Saat

cuaca lembap, di bagian tepi bercak, terutama pada sisi bawah daun yang sakit,

akan muncul lapisan kelabu tipis, yang terdiri atas konidiofor dan konidium jamur.

Namun, jika cuaca kering, maka jumlah bercak akan terbatas, segera mengering

dan tidak meluas.

Dampak serangan dapat menyebar hingga ke umbi jika keadaan baik bagi

pertumbuhan cendawan ini. Pada umbi, terdapat bercak yang agak mengendap,

berwarna cokelat atau hitam ungu, dengan cekungan sedalam 3-6 mm. Umbi yang

busuk kering dapat terbatas sebagai bercak-bercak kecil saja, namun dapat juga

meliputi suatu bagian yang luas pada umbi tersebut. Apabila busuk basah karena

dipengaruhi oleh jasad-jasad sekunder, yaitu bakteri atau jamur lain, maka umbi

dapat menjadi busuk sama sekali sebelum digali.

Untuk menghitung intensitas kerusakan daun oleh serangan P. infestans

dapat digunakan rumus (Asaad, dkk, 2010:301):

𝐼 =∑(𝑈×𝑉)

𝑍𝑁× 100% (2.3)

dimana I = intensitas serangan, U = Jumlah tanaman yang terserang untuk setiap

tingkat kerusakan daun, V = Nilai skala dari setiap tingkat kerusakan daun, Z =

nilai skala tertinggi, N = Jumlah tanaman yang diamati.

13

Skala kerusakan yang dapat digunakan untuk menghitung tingkat kerusakan

P. infestans sebagai berikut (Asaad, dkk, 2010:301):

Tabel 2.1 Contoh penilaian terhadap intensitas serangan Phytophthora infestans (Asaad,

2009:301)

Skala Penilaian Penyakit Busuk Daun

0 Tidak ada serangan.

1 Terdapat sebanyak 10 bercak serangan pada daun.

2 Terdapat sebanyak 50 bercak serangan pada daun.

3 Bercak terdapat hampir di seluruh daun, tetapi tanaman masih kelihatan

hijau dan batang belum terserang.

4 Setiap daun terserang dan kurang dari 50% daun telah hancur.

5 Daun yang hancur 50-75%, tanaman kelihatan setengah cokelat setengah

hijau.

6 Daun yang hancur lebih dari 75% atau pangkal batang telah terserang

dan pucuknya menunjukkan gejala layu.

2.5 Tindakan Pengendalian Penyakit pada Tanaman Kentang

Konsep pengendalian hama terpadu diterapkan untuk mengurangi resiko

pencemaran lingkungan akibat penggunaan pestisida serta mengontrol OPT agar

tetap berada pada aras yang secara ekonomis tidak merugikan (Untung, 1993;

Duriat, dkk, 2006:3).

Duriat (2006:3) menyatakan bahwa pemerintah mengeluarkan kebijakan

yang mengatur agar setiap program perlindungan tanaman dilaksanakan dengan

pendekatan konsepsi Pengendalian Hama Terpadu (PHT). Pendekatan ini lebih

diutamakan kepada upaya pengelolaan lingkungan yang tidak disukai oleh OPT,

tetapi tetap menguntungkan bagi pertumbuhan tanaman.

Penggunaan pestisida maupun fungsida yang berlebihan dalam

mengendalikan serangan OPT akan memberikan dampak yang merugikan bagi

14

ekosistem yaitu lingkungan, musuh alami OPT, dan manusia (Duriat, dkk,

2006:3).

“Sesungguhnya Kami menciptakan segala sesuatu menurut ukurannya.”

(Q.S. Al-Qamar [54]: 49)

Menurut Shihab (1998), ayat ini menjelaskan tentang sifat adil yang

dinisbatkan kepada Ilahi, yaitu perhatian terhadap hak-hak individu dan

memberikan hak itu kepada setiap pemiliknya. Adil untuk menempatkan sesuatu

pada tempatnya atau memberi pihak lain akan haknya tersebut melalui jalan yang

terdekat. Adil disini memiliki makna perlunya memelihara kewajaran atas

berlanjutnya eksistensi, dan tidak mencegah kelanjutan eksistensi dan perolehan

rahmat sewaktu terdapat banyak kemungkinan untuk itu.

Shihab (1998) juga menyebutkan ayat yang memiliki makna keseimbangan

alam raya bersama ekosistemnya dalam surah Al-Mulk:

"(Allah) Yang menciptakan tujuh langit berlapis-lapis. Kamu sama sekali

tidak melihat pada ciptaan Yang Maha Pemurah itu sesuatu yang tidak seimbang.

Amatilah berulang-ulang! Adakah kamu melihat sesuatu yang tidak seimbang?"

(QS Al-Mulk [67]: 3)

15

Shihab (1998) menafsirkan "keseimbangan ditemukan pada suatu

kelompok yang di dalamnya terdapat beragam bagian yang menuju satu tujuan

tertentu, selama syarat dan kadar tertentu terpenuhi oleh setiap bagian. Dengan

terhimpunnya syarat ini, kelompok itu dapat bertahan dan berjalan memenuhi

tujuan kehadirannya".

Menurut Duriat, dkk (2006:43) “penggunaan pestisida dilakukan apabila

populasi OPT/tingkat kerusakan tanaman sudah sampai pada level yang harus

dikendalikan”. Beberapa hasil penelitian berikut dapat dijadikan sebagai dasar

pengendalian secara kimiawi (Duriat, dkk, 2006:43).

Tabel 2.2 Ambang pengendalian OPT penting pada tanaman kentang (Duriat, dkk,

2006:43) No. OPT penting Nilai Ambang

1 Penggerek umbi

(Phthorimaea operculella)

25 ngengat/perangkap pada MH

100 ngengat/perangkap feromonoid seks pada MK

20 larva/10 tanaman contoh

2 Kutudaun (Myzus persicae) 7 ekor nimfa/10 daun contoh

3 Trips (Thrips palmi) 100 ekor nimfa/10 daun contoh

4 Busuk daun (Phytopthora

infestans)

1 bercak aktif/10 tanaman contoh

5 Layu bakteri (Ralstonia

solanacearum)

1 tanaman/100 tanaman

6 Virus (PLRV, Mosaik) 10% tanaman muda

Ada beberapa tindakan pengendalian yang dapat dilakukan ketika penyakit,

termasuk di dalamnya P.infestans menyerang tanaman kentang (Duriat, dkk,

2006:45-46):

16

A. Penyakit virus dan bakteri

Tanaman kentang yang memperlihatkan gejala serangan virus atau layu

bakteri dicabut lalu dimusnahkan. Tanaman kentang yang terserang virus atau

layu tidak boleh digunakan sebagai bibit. Sampai saat ini, belum ditemukan

produk yang betul-betul efektif untuk mengendalikan kedua penyakit ini.

Salah satu alternatifnya adalah pemilihan bibit yang baik, rotasi tanaman, tata

air yang baik di sekitar tanaman serta mengendalikan vektor virus (kutudaun)

dengan insektisida selektif.

B. Penyakit busuk daun P. infestans

Teknik pengendalian yang dapat dilakukan adalah sebagai berikut:

1. Jika penyakit busuk daun P. infestans pada pengamatan pertama

ditemukan satu bercak aktif/10 tanaman contoh, maka tanaman disemprot

fungisida sistemik seperti Ridomil MZ 8/64 WP, Ridomil Gold MZ 4/64

WP, Topsin M 70 WP, Delsene MX 200, Previcur N, Pruvit PR 10/56

WP.

2. Pada pengamatan kedua, bila tidak ada bercak aktif maka tidak perlu

disemprot. Bila ditemukan bercak aktif, tanaman disemprot dengan

fungsida kontak seperti Antracol 70 WP, Daconil 70 WP, Dithane M45

80 WP, Phycosan 70 WP, Polyram 80 WP,Vandozeb 80 WP, Menzate

200.

3. Pada pengamatan ketiga, bila tidak ada bercak aktif maka tidak perlu

disemprot. Ada bercak aktif semprot dengan fungsida sistemik.

4. Pada pengamatan keempat, ada bercak aktif semprot dengan fungisida

17

kontak. Pada pengamatan kelima ada bercak aktif semprot dengan

sistemik.

5. Pada pengamatan keeanam dan seterusnya, bila ada bercak aktif hanya

menggunakan fungisida kontak saja.

Penting untuk diperhatikan bahwa penggunaan fungisida sistemik dalam

satu musim tidak bisa lebih dari 3 kali.

2.6 Logika Fuzzy

Setiadji (2009:174) dalam Yogawati (2011:11) mendefinisikan fuzzy sebagai

“suatu nilai yang dapat bernilai benar atau salah secara bersamaan”. Nilai

kebenaran dan kesalahan dihitung berdasarkan derajat keanggotaan yang dimiliki

oleh sebuah nilai. Derajat keanggotaan ini memiliki rentang nilai 0 (nol) hingga 1

(satu).

Konsep dari logika fuzzy diperkenalkan pada tahun 1965 oleh Professor

Lotfi A. Zadeh dari Universitas California untuk pertama kalinya. Fuzzy memiliki

makna “samar-samar” atau “kabur” yang logikanya digunakan untuk

menterjemahkan suatu besaran nilai sebuah variabel linguistik (Yogawati, 2011:

11).

Untuk dapat memahami sistem fuzzy maka terdapat beberapa hal yang perlu

diketahui, yaitu (Kusumadewi, 2002:113):

a. Variabel fuzzy

Variabel fuzzy adalah variabel yang akan dibahas dalam suatu sistem fuzzy,

18

seperti: umur, temperatur, permintaan, dsb.

b. Himpunan fuzzy

Himpunan fuzzy merupakan suatu kelompok yang mewakili suatu kondisi

atau keadaan tertentu dalam sebuah variabel fuzzy. Menurut Kusumadewi

(2004:6) dalam Yogawati (2011:15), terdapat dua atribut dalam pembentukan

himpunan fuzzy, yaitu:

1) Linguistik, merupakan pemberian nama terhadap suatu kelompok yang

mewakili suatu keadaan atau kondisi tertentu. Pemberian nama

menggunakan bahasa alami.

2) Numeris, merupakan ukuran dari suatu variabel yang ditunjukkan dengan

angka (nilai).

Jika diimplementasikan ke dalam metode Mamdani, maka variabel input

maupun variabel output harus dibagi menjadi satu atau lebih himpunan fuzzy.

Adapun contoh dari himpunan fuzzy yang termasuk dalam variabel umur

adalah: muda, parobaya, dan tua. Untuk variabel temperatur, maka himpunan

fuzzzy yang termasuk di dalamnya adalah: dingin, sejuk, normal, hangat, dan

panas.

c. Semesta pembicaraan

Yang dimaksud dengan semesta pembicaraan adalah jumlah seluruh nilai

yang diizinkan untuk dioperasikan ke dalam suatu variabel fuzzy, yaitu

himpunan bilangan real yang senantiasa naik (bertambah) secara menoton

dari arah kiri menuju ke kanan. Nilai dapat berupa bilangan positif maupun

negatif.

19

Adapun contoh dari semesta pembicaraan untuk variabel umur adalah: (0 +

∞), sedangkan contoh semesta pembicaraan untuk variabel temperatur adalah:

[0 40].

d. Domain

Pengertian domain adalah jumlah seluruh nilai yang diizinkan untuk

digunakan dalam semesta pembicaraan dan dioperasikan ke dalam sebuah

himpunan fuzzy. Bilangan yang digunakan dalam domain adalah bilangan real

yang senantiasa naik secara menoton dari kiri ke kanan, dapat berupa

bilangan negatif maupun positif.

Adapun contoh dari domain himpunan fuzzy adalah sebagai berikut:

MUDA = [0 45]

PAROBAYA = [35 55]

TUA = [45 + ∞]

DINGIN = [0 20]

SEJUK = [15 25]

NORMAL = [20 30]

HANGAT = [25 35]

PANAS = [30 40]

Setiap himpunan fuzzy memiliki derajat keanggotaan, dikenal dengan

membership degree, disimbolkan dengan (µ). Derajat keanggotaan tersebut

dipetakan ke dalam bentuk kurva yang memiliki titik-titik input data. Kurva

ini disebut dengan Fungsi Keanggotaan atau membership function yang dapat

20

direpresentasikan menggunakan beberapa pendekatan (Kusumadewi, 2002:

114):

1) Representasi Linear

Pemetaan input ke dalam derajat keanggotaan (µ) digambarkan sebagai

suatu garis lurus. Bentuk ini dapat digunakan untuk mendekati solusi dari

sebuah konsep yang kurang jelas.

Representasi linear terdiri atas dua keadaan, yaitu representasi linear naik

dan representasi linear turun.

a. Representasi linear naik

Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat

keanggotaan (µ)=[0], bergerak dari kanan menuju ke nilai domain

Ayn memiliki derajat keanggotaan (µ) yang lebih tinggi.

Gambar 2.1 Representasi linear naik

21

dengan fungsi keanggotaan:

𝜇[𝑥] = {0; 𝑥 ≤ 𝑎

(𝑥 − 𝑎)/(𝑏 − 𝑎)1; 𝑥 ≥ 𝑏

; 𝑎 ≤ 𝑥 ≤ 𝑏 (2.4)

b. Representasi linear turun

Pada representasi ini, garis lurus dimulai dari nilai domain yang

memiliki derajat keanggotaan tertinggi pada sisi kiri lalu bergerak

menurun ke nilai domain dengan derajat keanggotaan lebih rendah.

Gambar 2.2 Representasi linear turun


𝜇[𝑥] = {𝑏−𝑥

𝑏−𝑎; 𝑎 ≤ 𝑥𝑏

0; 𝑥 ≥ 𝑏 (2.5)

22

2) Representasi Kurva Segitiga

Representasi kurva segitiga adalah gabungan antara dua garis linear.

Gambar 2.3 Representasi kurva segitiga


𝜇[𝑥] = {

0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑐𝑥−𝑎

𝑏−𝑎; 𝑎 ≤ 𝑥 ≤ 𝑏

𝑏−𝑥

𝑐−𝑏; 𝑏 ≤ 𝑥 ≤ 𝑐

(2.6)

3) Representasi Kurva Trapesium

Representasi kurva trapesium merupakan kurva segitiga, namun ada

beberapa titik yang memiliki derajat keanggotaan 1(satu).

23

Gambar 2.4 Representasi kurva trapesium


𝜇[𝑥] = 𝑓(𝑥) =

{

0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑𝑥−𝑎

𝑏−𝑎; 𝑎 ≤ 𝑥 ≤ 𝑏

1; 𝑏 ≤ 𝑥 ≤ 𝑐𝑑−𝑥

𝑑−𝑐; 𝑥 ≥ 𝑑

(2.7)

4) Representasi Kurva Bentuk Bahu

Representasi kurva bentuk bahu digunakan untuk variabel suatu

daerah fuzzy yang tidak mengalami perubahan. Bahu kiri akan

bergerak dari benar ke salah, dan bahu kanan akan bergerak dari

salah ke benar.

Representasi ini merupakan bagian dari kurva segitiga, namun garis

pada sisi kiri dan kanan yang mengapit daerah di tengah-tengah

segitiga tidak mengalami perubahan.

24

Gambar 2.5 Representasi kurva bahu pada variabel temperatur

5) Representasi Kurva-S

Untuk mendefenisikan Kurva-S maka digunakan tiga parameter,

yaitu: nilai keanggotaan nol (α), nilai keanggotaan lengkap (γ), dan

titik infleksi atau crossover (β) dengan titiknya yang memiliki

domain 50% benar.

Gambar 2.6 Karakteristik fungsi kurva-S

25

6) Representasi Kurva Bentuk Lonceng (Bell Curve)

Kurva ini digunakan untuk merepresentasikan bilangan fuzzy. Kurva

bentuk lonceng terbagi atas tiga kelas, yaitu himpunan fuzzy PI,

himpunan fuzzy beta, dan himpun fuzzy Gauss.

2.7 Metode Fuzzy Mamdani

Menurut Kusumadewi (2002:134), metode Mamdani sering juga dikenal

dengan nama Metode Min-Max. Metode ini diperkenalkan oleh Ebrahim

Mamdani pada tahun 1975. Untuk mendapatkan output maka diperlukan 4

tahapan:

1. Pembentukan Himpunan Fuzzy

Variabel input dan variabel output harus dibagi menjadi satu atau lebih

himpunan fuzzy.

2. Aplikasi Fungsi Implikasi

Pada basis pengetahuan fuzzy terdapat aturan-aturan (proposisi) yang

berkaitan dengan suatu relasi fuzzy. Bentuk umum dari aturan-aturan

tersebut adalah

𝐼𝐹 𝑥 𝑖𝑠 𝐴 𝑇𝐻𝐸𝑁 𝑦 𝑖𝑠 𝐵 (2.8)

dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy.

Aturan yang mengikuti IF disebut anteseden, sedangkan aturan yang

26

mengikuti THEN disebut konsekuen. Aturan-aturan tersebut dapat

diperluas dengan menggunakan operator fuzzy, seperti OR atau AND.

Fungsi implikasi yang digunakan dalam metode Mamdani adalah Min

(minimum), dimana fungsi ini akan memotong output himpunan fuzzy.

3. Komposisi Aturan

Untuk memperoleh inferensi yang sistemnya terdiri dari beberapa aturan,

diperlukan korelasi antar aturan tersebut. Beberapa metode yang dapat

digunakan dalam melakukan inferensi adalah: maksimum, additive, dan

probabilistik OR (probor).

a. Metode Max (Maximum)

nilai maksimum aturan diambil untuk memperoleh solusi himpunan

fuzzy, nilai ini akan digunakan untuk memodifikasi daerah fuzzy, dan

mengaplikasikannya ke output menggunakan operator OR (union).

Setelah semua proposisi dievaluasi, output akan berisi suatu

himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap

proposisi.

Secara umum dapat dituliskan:

𝜇𝑠𝑓[𝑥𝑖] ← max (𝜇𝑠𝑓[𝑥𝑖], 𝜇𝑘𝑓[𝑥𝑖]) (2.9)

dengan 𝜇𝑠𝑓[𝑥𝑖] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;

𝜇𝑘𝑓[𝑥𝑖] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

27

b. Metode Additive (Sum)

Bounded-sum dilakukan terhadap semua output daerah fuzzy untuk

memperoleh solusi himpunan fuzzy.

c. Metode Probabilistik OR (PROBOR)

Solusi himpunan fuzzy diperoleh dengan cara melakukan product

terhadap semua output daerah fuzzy.

4. Defuzzifikasi

Input yang dibutuhkan untuk melakukan defuzzifikasi adalah suatu himpunan

fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy. Adapun output yang

dihasilkan adalah suatu bilangan pada dominan himpunan fuzzy. Dengan

demikian, jika diberikan suatu himpunan fuzzy dalam range tertentu, maka

harus dapat diambil suatu nilai crisp tertentu sebagai output.

Ada beberapa metode defuzzifikasi pada komposisi aturan Mamdani, yaitu:

a. Metode Centroid (CompositeMoment)

Solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah

fuzzy. Secara umum dirumuskan:

𝑧∗ =∫ 𝑧𝜇(𝑧)𝑑𝑧𝑧

∫ 𝜇(𝑧)𝑑𝑧𝑧

(2.10)

𝑧∗ =∑ 𝑧𝑗𝜇(𝑧𝑗)𝑛𝑗=1

∑ 𝜇(𝑧𝑗)𝑛𝑗=1

28

dengan 𝑧∗ = nilai hasil defuzzifikasi; 𝜇(𝑧) = derajat keanggotaan suatu titik; 𝑧 =

nilai domain ke-i;

b. Metode Bisektor

Solusi diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki

nilai keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah

fuzzy.

c. Metode Mean of Maximum (MOM)

Solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang

memiliki nilai keanggotaan maksimum.

d. Metode Largest of Maximum (LOM)

Solusi crisp diperoleh dengan cara mengambil nilai terbesar domain yang

memiliki nilai keanggotaan maksimum. S

29

BAB III

ANALISIS DAN PERANCANGAN SISTEM

Bab ini akan memberikan gambaran secara umum analisis dan perancangan

sistem dalam penelitian “Identifikasi Tingkat Serangan Phytophthora infestans

pada Tanaman Kentang Menggunakan Metode Fuzzy Mamdani Berbasis

Android”.

3.1 Kebutuhan Sistem

Untuk merancang sebuah aplikasi yang dapat digunakan untuk

mengidentifikasi tingkat serangan Phytopthora infestans pada tanaman kentang

menggunakan metode Fuzzy Mamdani berbasis Android, maka sistem

membutuhkan beberapa hal sebagai berikut:

3.1.1 Deskripsi Umum Identifikasi Tingkat Serangan P. infestans

Pada subbab ini akan dibahas mengenai deskripsi dari sistem yang

dirancang dan dibangun. Tujuan penelitian ini adalah membuat sebuah aplikasi

yang dapat mengidentifikasi tingkat kerusakan yang disebabkan oleh serangan

Phytophthora infestans pada tanaman kentang. Proses identifikasi dimulai dengan

memasukkan nilai jumlah bercak dan luas sebaran bercak terhadap luas

permukaan daun kentang tersebut.

30

3.1.2 Usulan Pemecahan Masalah

Untuk mengatasi pemecahan masalah seberapa besar tingkat kerusakan

serangan Phytophthora infestans pada daun kentang, diperlukan metode yang

dapat mengambil kesimpulan secara pasti dari informasi yang ambigu, samar-

samar, atau tidak tepat. Metode yang digunakan dalam penelitian ini adalah fuzzy

Mamdani.

Perancangan dimulai dengan beberapa tahap, yaitu:

1. Pembentukan Himpunan Fuzzy.

Berikut adalah semesta pembicaraan untuk setiap variabelfuzzy yang

digunakan untuk identifikasi tingkat kerusakan serangan P. infestans

pada daun kentang:

Tabel 3.1. Semesta pembicaraan untuk setiap variabel fuzzy

Fungsi Nama Variabel Semesta Pembicaraan

Input Jumlah bercak [10, 60]

Luas sebaran bercak [5, 49]

Output Intensitas kerusakan [3, 75]

Adapun perancangan himpunan fuzzy pada identifikasi tingkat kerusakan

serangan P. infestans pada daun kentang:

31

Tabel 3.2. Tabel himpunan fuzzy

Variabel Himpunan Domain Fungsi

Keanggotaan

Parameter

Jumlah

bercak

Sedikit 10 - 30 Bahu kiri (0, 10, 30)

Sedang 15 - 45 Segitiga (15, 30, 45)

Banyak 40 - 60 Bahu kanan (40, 50, 60)

Luas

sebaran

bercak

Sempit 5 - 25 Bahu kiri (0, 5, 25)

Medium 20 - 40 Segitiga (20, 27, 40)

Luas 35 - 49 Bahu kanan (35, 45, 49)

Intensitas

Kerusakan

Ringan 3 - 11 Bahu kiri (0, 3, 11)

Sedang 6 - 25 Segitiga (6, 18, 25)

Berat 20 -75 Bahu kanan (20, 50, 75)

Variabel input dan variabel output dibagi menjadi satu atau lebih

himpunan fuzzy.

Ada dua variabel fuzzy yang dimodelkan untuk input, yaitu:

1) Jumlah bercak; terdiri-atas 3 himpunan fuzzy, yaitu:

Tabel 3.3 Tabel himpunan fuzzy variabel jumlah bercak No Himpunan Fuzzy Domain (jumlah) 1 Sedikit 10 - 30 2 Sedang 15 - 45 3 Banyak 40 -60

Pada variabel jumlah bercak, didefinisikan tiga himpunan fuzzy,

yaitu: SEDIKIT, SEDANG, dan BANYAK. Untuk

merepresentasikan variabel jumlah bercak, digunakan bentuk kurva

bahu kiri untuk himpunan fuzzy SEDIKIT, bentuk kurva segitiga

untuk himpunan fuzzy SEDANG, dan bentuk kurva bahu kanan

32

untuk himpunan fuzzy BANYAK. Gambar himpunan fuzzy untuk

variabel jumlah bercak ditunjukkan pada Gambar 3.1.

Gambar 3.1 Grafik variabel jumlah bercak

dengan fungsi keanggotaan sebagai berikut:

μSedikit = {30−𝑥

30−10;1 ; 𝑥 ≤ 1010 ≤ 𝑥 ≤ 300; 𝑥 ≥ 30

(3.1)

μSedang =

{

0 ; 𝑥 ≤ 15𝑥−15

30−15; 15 ≤ 𝑥 ≤ 30

45−𝑥

45−30; 30 ≤ 𝑥 ≤ 45

0 ; 𝑥 ≥ 45

μBanyak = {𝑥−40

60−40

0; 𝑥 ≤ 40; 40 ≤ 𝑥 ≤ 601; 𝑥 ≥ 60

Bercak dianggap sedikit jika jumlahnya antara 10 sampai 30 bercak

dalam satu daun, dianggap sedang jika jumlahnya 15 sampai 45

bercak, dianggap banyak jika jumlahnya 40 sampai 60 bercak,

dianggap sedikit sekaligus sedang jika jumlahnya antara 15 sampai

30 bercak, dan dianggap sedang sekaligus banyak jika jumlahnya 40

sampai 45 bercak.

0

0.5

1

0 10 20 30 40 50 60

m (

X)

JUMLAH BERCAK

33

2) Luas sebaran bercak terhadap permukaan daun; terdiri atas 3

himpunan fuzzy, yaitu:

Tabel 3.4 Tabel himpunan fuzzy variabel luas sebaran bercak No Fuzzy Set Domain (%)

1 Sempit 5 - 25 2 Medium 20 - 40 3 Luas 35 - 49

Pada variabel luas sebaran bercak, didefinisikan tiga himpunan fuzzy,

yaitu: SEMPIT, MEDIUM, dan LUAS. Untuk merepresentasikan

variabel luas sebaran bercak, digunakan bentuk kurva bahu kiri

untuk himpunan fuzzy SEMPIT, bentuk kurva segitiga untuk

himpunan fuzzy MEDIUM, dan bentuk kurva bahu kanan untuk

himpunan fuzzy LUAS. Gambar himpunan fuzzy untuk variabel luas

sebaran bercak ditunjukkan pada Gambar 3.2.

Gambar 3.2 Grafik variabel luas sebaran bercak

0

0.5

1

0 7 14 21 28 35 42 49

m (

X)

LUAS SEBARAN BERCAK

34


μSempit = {25−𝑥

25−5;1 ; 𝑥 ≤ 55 ≤ 𝑥 ≤ 250; 𝑥 ≥ 25

(3.2)

μMedium =

{

0 ; 𝑥 ≤ 20𝑥−20

30−20; 20 ≤ 𝑥 ≤ 30

40−𝑥

40−30; 30 ≤ 𝑥 ≤ 40

0 ; 𝑥 ≥ 40

μLuas = {𝑥−35

49−35

0; 𝑥 ≤ 35; 35 ≤ 𝑥 ≤ 491; 𝑥 ≥ 49

Sebaran bercak terhadap luas permukaan daun dianggap sempit jika

mencapai 5% sampai 25%, dianggap medium jika sebaran mencapai

20% sampai 40%, dianggap luas jika sebaran mencapai 35% sampai

49% , dianggap sempit sekaligus medium jika sebaran antara 20%

sampai 25%, dan dianggap medium sekaligus luas jika sebaran 35%

sampai 40%.

Adapun variabel fuzzy yang dimodelkan untuk output, yaitu:

Intensitas Kerusakan, terdiri atas 3 himpunan fuzzy, yaitu:

Tabel 3.5 Tabel himpunan fuzzydari variabel intensitas kerusakan No Fuzzy Set Domain (%)

1 Ringan 3 – 11 2 Sedang 6 – 25 3 Berat 20 -75

Pada variabel intensitas kerusakan, didefinisikan tiga himpunan

fuzzy, yaitu: RINGAN, SEDANG, dan BERAT. Untuk

merepresentasikan variabel intensitas kerusakan, digunakan bentuk

kurva bahu kiri untuk himpunan fuzzy RINGAN, bentuk kurva

35

segitiga untuk himpunan fuzzy SEDANG, dan bentuk kurva bahu

kanan untuk himpunan fuzzy BERAT. Gambar himpunan fuzzy untuk

variabel intensitas kerusakan ditunjukkan pada Gambar 3.3.

Gambar 3.3 Grafik variabel Intensitas Kerusakan


μRingan = {11−𝑥

11−3;1 ; 𝑥 ≤ 33 ≤ 𝑥 ≤ 110; 𝑥 ≥ 11

(3.3)

μSedang =

{

0 ; 𝑥 ≤ 6𝑥−6

18−6; 6 ≤ 𝑥 ≤ 18

18−𝑥

25−18; 18 ≤ 𝑥 ≤ 25

0 ; 𝑥 ≥ 25

μBerat= {𝑥−20

75−20

0; 𝑥 ≤ 20; 20 ≤ 𝑥 ≤ 751; 𝑥 ≥ 75

Kerusakan dianggap ringan jika intensitas mencapai 3% sampai

11%, dianggap sedang jika intensitas mencapai 6% sampai 25%,

dianggap berat jika intensitas mencapai 20% sampai 70% , dianggap

ringan sekaligus sedang jika intensitas antara 6% sampai 11%, dan

0

0.5

1

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75

m (

x)

INTENSITAS KERUSAKAN

36

dianggap sedang sekaligus berat jika intensitas antara 20% sampai

25%.

2. Aplikasi Fungsi Implikasi.

Setelah tahap pertama, yaitu pembentukan himpunan fuzzy selesai,

maka tahap selanjutnya yang harus dilakukan adalah pembentukan

aturan fuzzy. Aturan-aturan ini dibentuk untuk menyatakan relasi antara

input dan output. Berdasarkan kategori dalam intensitas kerusakan,

maka dapat dibentuk aturan-aturan sebagai berikut:

[R1]: jika jumlah bercak sedikit dan luas sebaran bercak sempit maka intensitas

kerusakan ringan. [R2]: jika jumlah bercak sedikit dan luas sebaran bercak medium maka

intensitas kerusakan ringan. [R3]: jika jumlah bercak sedikit atau luas sebaran bercak luas maka intensitas

kerusakan ringan. [R4]: jika jumlah bercak sedang dan luas sebaran bercak sempit maka

intensitas kerusakan sedang. [R5]: jika jumlah bercak sedang dan luas sebaran bercak medium maka

intensitas kerusakan sedang. [R6]: jika jumlah bercak sedang dan luas sebaran bercak luas maka intensitas

kerusakan sedang. [R7]: jika jumlah bercak banyak atau luas sebaran bercak sempit maka

intensitas kerusakan berat. [R8]: jika jumlah bercak banyak dan luas sebaran bercak medium maka

intensitas kerusakan berat. [R9]: jika jumlah bercak banyak dan luas sebaran bercak luas maka intensitas

kerusakan berat.

Tabel 3.6. Aturan-aturan dalam penentuan intensitas kerusakan

Luas sebaran bercak

Sempit Medium Luas

Jumlah

bercak Sedikit RINGAN RINGAN RINGAN

Sedang SEDANG SEDANG SEDANG

Banyak BERAT BERAT BERAT

37

Setelah aturan terbentuk, maka aplikasi fungsi implikasi dapat

dilakukan. Pada metode Mamdani, fungsi aplikasi yang digunakan

adalah Min, yaitu mengambil nilai minimum dari hasil perbandingan

besar derajat keanggotaan variabel jumlah bercak dan luas sebaran

bercak sehingga didapatkan daerah fuzzy pada variabel intensitas

kerusakan sesuai dengan aturan yang berlaku.

3. Komposisi Aturan

Komposisi aturan pada metode Mamdani diperoleh dengan cara

mengambil nilai maksimum dari output aturan kemudian

menggabungkan daerah fuzzy dari masing-masing aturan dengan

menggunakan operator OR.

𝜇𝑠𝑓[𝑥] = max(𝜇𝑘𝑓1 [𝑥], 𝜇𝑘𝑓2[𝑥], 𝜇𝑘𝑓3[𝑥], 𝜇𝑘𝑓4[𝑥], 𝜇𝑘𝑓5[𝑥], 𝜇𝑘𝑓6[𝑥], 𝜇𝑘𝑓7[𝑥], 𝜇𝑘𝑓8[𝑥], 𝜇𝑘𝑓9[𝑥] (3.4)

Dengan 𝜇𝑠𝑓[𝑥] : nilai keanggotaan solusi fuzzy sampai aturan ke-i; 𝜇𝑘𝑓[𝑥]:

nilai keanggotaan konsekuen fuzzy setiap aturan ke-i, dimana i=1, 2, ...9

4. Penegasan (Defuzzifikasi)

Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang

diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output

yang dihasilkan merupakan suatu bilangan pada domain himpunan

fuzzy tersebut. Sehingga, jika diberikan suatu himpunan fuzzy dalam

range tertentu, maka dapat diambil suatu nilai crisp tertentu sebagai

output. Defuzzifikasi yang digunakan dalam menentukan intensitas

38

kerusakan adalah dengan metode centroid. Pada metode ini, solusi crisp

diperoleh dengan cara mengambil titik pusat (𝑧0) daerah fuzzy.

Secara umum dirumuskan:

𝑧0 =∫ 𝜇(𝑧)𝑑𝑧𝑏

𝑎

∫ 𝜇(𝑧)𝑑𝑧𝑏

𝑎

(3.5)

untuk domain kontinyu, dengan 𝑧0 adalah nilai hasil defuzzifikasi dan

𝜇(𝑧) adalah derajat keanggotaan titik tersebut, sedangkan Z adalah nilai

domain ke-i.

3.2 Perancangan Sistem

Perancangan dilakukan dengan analisis sebagai dasarnya. Berikut akan

dibahas mengenai arsitektur dan proses yang terjadi dalam aplikasi yang

dibangun.

3.2.1 Desain Input

Input data adalah nilai crisp dari jumlah bercak dan luas sebaran bercak

yang terdapat pada daun kentang.

3.2.2 Perancangan Proses

Berdasarkan analisis maka terhadap input dilakukan 4 proses, yaitu:

39

Gambar 3.4Bagan alir proses identifikasi tingkat serangan P. infestans

3.2.3 Perancangan Output

Output yang dihasilkan merupakan nilai crisp tertentu sesuai dengan nilai

crisp yang diberikan oleh user.

3.2.4 Perancangan Antarmuka Pemakai (User Interface)

Pembuatan User Interface sangat menunjang dalam perancangan

program agar mudah digunakan oleh user.

1. Menu Utama

Merupakan tampilan awal dari aplikasi identifikasi tingkat kerusakan

serangan P. infestans pada tanaman kentang menggunakan metode

fuzzy Mamdani.

Mulai

Selesai

Jumlah bercak(x) dan luas

sebaran bercak(y) dengan nilai

crisp

Pembentukan himpunan fuzzy

Aplikasi fungsi implikasi dengan metode Min

Komposisi aturan dengan metode Max

Hitung titik pusat dengan metode Centroid

40

2. Menu Identifikasi Tingkat Serangan

Merupakan menu di mana user akan memasukkan nilai crisp jumlah

bercak yang disimbolkan dengan 𝑥 serta luas sebaran bercak terhadap

luas permukaan daun yang disimbolkan dengan 𝑦. Dari proses yang

terjadi di dalam sistem, userkemudian akanmendapatkan output

berupa nilai crisp serta informasi mengenai kategori intensitas

kerusakan akibat serangan P. infestans.

3. Menu Cara Pintas

Merupakan menu yang dapat digunakan oleh user untuk mengakses

informasi tambahan mengenai morfologi dan gejala serangan dari

beberapa organisme pengganggu tanaman kentang.

41

BAB IV

PEMBAHASAN

4.1 Implementasi

Adapun perangkat keras dan perangkat lunak yang digunakan selama

perancangan adalah sebagai berikut:

4.1.1 Ruang Lingkup Perangkat Keras

Perangkat keras yang digunakan dalam pengembangan sistem ini adalah

sebagai berikut:

1) Intel Core 2 Duo CPU [email protected] x2

2) Memory 2.0 GiB

3) Disk Size 279.6 GB

4) Keyboard

4.1.2 Ruang Lingkup Perangkat Lunak

Perangkat lunak yang digunakan dalam pengembangan sistem ini adalah

sebagai berikut:

1) Sistem Operasi LinuxMint 15: olivia (i686)

2) Adt-Bundle-Linux-X86 (Eclipse dan Android SDK Platform Tools)

3) LibreOffice Writer

4) LibreOffice Calc.

mailto:[email protected]

42

4.2 Implementasi Program

Proses identifikasi tingkat serangan P. Infestans pada tanaman kentang

menggunakan metode fuzzy Mamdani terdiri dari 4 tahap, yaitu: 1). Pembentukan

himpunan fuzzy; 2). Aplikasi fungsi implikasi dengan metode Min; 3). Komposisi

aturan dengan menggunakan metode Max; dan 4). Defuzzifikasi dengan metode

centroid.

4.2.1 Proses Tampil Data XML

Pada proses ini, data XML digunakan untuk menampilkan layout (user

interface) menu utama di emulator android. Berikut adalah potongan source code

program untuk menampilkan menu utama aplikasi tersebut:

<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"

android:layout_width="fill_parent"

android:layout_height="fill_parent"

android:orientation="vertical"

android:layout_gravity="center"

android:background="@drawable/bg_layout_menu" >

<Button

android:id="@+id/bt_lay_menu"

android:layout_width="wrap_content"

android:layout_height="wrap_content"

android:layout_gravity="center_vertical|center_horizontal"

android:layout_marginTop="5dp"

android:text="@string/TextBt"

style="@style/ButtonJudul"/>

<TextView

android:id="@+id/txJudul"

android:layout_width="wrap_content"

android:layout_height="wrap_content"

android:text="@string/text_add"

android:textStyle="italic"

android:textSize="17sp"

android:textColor="#990000"

android:layout_gravity="center" />

</LinearLayout>

43

4.2.2 Proses Input Jumlah Bercak dan Luas Sebaran Bercak

Input yang dimasukkan user ke dalam aplikasi adalah nilai crisp jumlah

bercak yang nampak pada daun karena serangan P. Infestans serta luas sebaran

bercak. Berikut adalah potongan source code program untuk mendapatkan nilai

yang di-input-kan oleh user tersebut:

4.2.3 Proses Pembentukan Himpunan Fuzzy

Berikut adalah potongan source code program untuk pembentukan

himpunan fuzzy untuk variabel jumlah bercak berdasarkan nilai yang di-input-kan

oleh user tersebut:

Toast.makeText(this, "Jumlah Bercak= " + x + "\n"+"Luas Sebaran Bercak= "

+ y + "\n", Toast.LENGTH_LONG).show();

if(x >= 10 && x <15)

{

mDerajat.setText(x+ ": " + a);

mHimp.setAlpha(1);

mHimp.setText(Float.toString(mSdkt));

}

else if(x >=15 && x<=30)

{

mDerajat.setText(x+ ": " + a + " ; " + b);

mHimp.setAlpha(1);


mRule.setAlpha(1);

mRule.setText(Float.toString(mSdg));

}

else if(x>30 && x<40)

{

mDerajat.setText(x+ ": " + b);

mHimp.setAlpha(1);

mHimp.setText(Float.toString(mSdg1));}}

public void onCreate(Bundle savedInstanceState){

super.onCreate(savedInstanceState);

setContentView(R.layout.level_fix);

mX = (EditText)findViewById(R.id.editX);

mY = (EditText)findViewById(R.id.editY);

int x = Integer.parseInt(mX.getText().toString());

int y = Integer.parseInt(mY.getText().toString());

44

Berikut adalah potongan source code program untuk pembentukan

himpunan fuzzy untuk variabel luas sebaran bercak berdasarkan nilai yang di-

input-kan oleh user tersebut:

4.2.4 Proses Aplikasi Fungsi Implikasi

Berikut adalah potongan source code program untuk proses aplikasi fungsi

implikasi dari hasil pembentukan himpunan fuzzy untuk variabel jumlah bercak

dan luas sebaran bercak berdasarkan nilai yang di-input-kan oleh user:

if(y >= 5 && y <20)

{

mDerajatY.setAlpha(1);

mDerajatY.setText(y+ ": " + a1);

mHimpY.setAlpha(1);

mHimpY.setText(Float.toString(mSmpt));

}

else if(y >=20 && y<=25)

{


mDerajatY.setText(y+ ": " + a1 +" ; " + y + ": " + b1);

mHimpY.setAlpha(1);


mRuleY.setAlpha(1);

mRuleY.setText(Float.toString(mMed));

}

else if(y>25 && y<35)

{


mDerajatY.setText(y+ ": " + b1);

mHimpY.setAlpha(1);

mHimpY.setText(Float.toString(mMed1));

}

else if(y>=35 && y<=49)

{

if(y==35 || y<=40)

{


mHimpY.setAlpha(1);


}


mDerajatY.setText(y+ ": " + c1);

mRuleY.setAlpha(1);

mRuleY.setText(Float.toString(mLuas));

}

45

4.2.5 Proses Komposisi Aturan

Berikut adalah potongan source code program untuk komposisi aturan

berdasarkan hasil dari proses aplikasi fungsi implikasi:

4.2.6 Proses Defuzzifikasi

Berikut adalah potongan source code program untuk defuzzifikasi

berdasarkan hasil dari proses komposisi aturan:

double aPredikat1 = Double.parseDouble(mImpli.getText().toString());

double aPredikat2 = Double.parseDouble(mImpliY.getText().toString());

//titik potong antar aturan

double tp1 = max_ringan - aPredikat1;


double tp3 = tengah_sdg - aPredikat2;

double sedikit = Double.parseDouble(mHimp.getText().toString());

double sedang = Double.parseDouble(mRule.getText().toString());

double sempit = Double.parseDouble(mHimpY.getText().toString());

if (sedikit < sempit)

{

mImpli.setText(Double.toString(sedikit));

}

else

{

mImpli.setText(Double.toString(sempit));

}

//===========

if(sedang < sempit)

{

mImpliY.setText(Double.toString(sedang));

}

else if (sedang > sempit)

{

mImpliY.setText(Double.toString(sempit));

}

else if(mSdg1 < mSmpt)

{

mImpliY.setText(Double.toString(mSdg1));

}

else if (mSdg1 > mSmpt)

{

mImpliY.setText(Double.toString(mSmpt));

}

46

4.3 Implementasi Interface

Di dalam implementasi interface ini dijelaskan tentang tampilan program

yang dibuat sesuai dengan rancangan pada bab sebelumnya.

4.3.1 Interface Menu Utama

Berikut adalah interface dari layout menu utama aplikasi identifikasi tingkat

serangan P. Infestans pada tanaman kentang menggunakan metode fuzzy

Mamdani:

mKomp.setText(Double.toString(tp1) + " ; " + Double.toString(tp2) + " ;

" + Double.toString(tp3));

//======================DEFUZZIFIKASI=========================

double satu = 1;

double k = (aPredikat1/2*tp1*tp1)-(aPredikat1/2*min_ringan*min_ringan);

double k1 = (aPredikat1*tp1)-(aPredikat1*min_ringan);

double la = (max_ringan/2*tp2*tp2)-(satu/3*tp2*tp2*tp2);

double lb = (max_ringan/2*tp1*tp1)-(satu/3*tp1*tp1*tp1);

double lc = la - lb;

double l1a =(max_ringan*tp2)-(satu/2*tp2*tp2);

double l1b =(max_ringan*tp1)-(satu/2*tp1*tp1);

double l1c = l1a - l1b;

double m = (aPredikat2/2*tp3*tp3)-(aPredikat2/2*tp2*tp2);

double m1 = (aPredikat2*tp3)-(aPredikat2*tp2);

double na = (tengah_sdg/2*tengah_sdg*tengah_sdg)-

(satu/3*tengah_sdg*tengah_sdg*tengah_sdg);

double nb = (tengah_sdg/2*tp3*tp3)-(satu/3*tp3*tp3*tp3);

double nc = na-nb;

double n1a = (tengah_sdg*tengah_sdg)-(satu/2*tengah_sdg*tengah_sdg);

double n1b = (tengah_sdg*tp3)-(satu/2*tp3*tp3);

double n1c = n1a-n1b;

double def = (k + lc + m + nc)/(k1 + l1c + m1 + n1c);

mDefuzzi.setText("Defuzzifikasi======> " + def);

mLevel.setAlpha(1);

double z = def;

if (z >= 3 && z <11)

{

mLevel.setText("RINGAN");

}

else if(z >=11 && z<=25)

{

mLevel.setText("SEDANG");

}

else

{

mLevel.setText("BERAT");

}

47

Gambar 4.1. Interface menu utama aplikasi

4.3.2 Interface Menu Identifikasi Tingkat Serangan

Berikut adalah interface dari layout menu identifikasi tingkat serangan P.

Infestans pada tanaman kentang menggunakan metode fuzzy Mamdani:

Gambar 4.2. Interface menu identifikasi tingkat serangan P. infestans

48

Gambar 4.3. Interface hasil defuzzifikasi

4.3.3 Interface Menu Pintas

Berikut adalah interface dari layout menu yang dapat digunakan untuk

mendapatkan informasi OPT penting yang menyerang tanaman kentang:

Gambar 4.4. Interface OPT penting pada tanaman kentang

49

4.4 Pengujian

Untuk menguji sistem, maka diambil tiga contoh kasus.

4.4.1 Contoh Kasus I

Jumlah bercak yang nampak pada daun adalah sebanyak 20 bercak dengan

persentase luas sebaran bercak terhadap permukaan daun diperkirakan mencapai

10%.

Langkah 1. Menentukan Himpunan Fuzzy

Variabel jumlah bercak telah didefinisikan pada tiga himpunan fuzzy, yaitu:

SEDIKIT, SEDANG, dan BANYAK. Setiap himpunan fuzzy memiliki interval

keanggotaan, yakni seperti terlihat pada Gambar 3.7. Berikut adalah gambar

derajat keanggotaan pada variabel jumlah bercak untuk nilai 20.

Gambar 4.5. Fungsi keanggotaan untuk jumlah bercak sebanyak 20 bercak

0

0.5

1

0 10 20 30 40 50 60

Input variabel "Jumlah Bercak" dengan nilai 20

50

Jumlah bercak 20 termasuk dalam himpunan fuzzy SEDIKIT dengan derajat

keanggotaan sesuai fungsi berikut:


30−10;1 ; 𝑥 ≤ 1010 ≤ 𝑥 ≤ 300; 𝑥 ≥ 30

μSedang =

{

0 ; 𝑥 ≤ 15𝑥−15

30−15; 15 ≤ 𝑥 ≤ 30

45−𝑥

45−30; 30 ≤ 𝑥 ≤ 45

0 ; 𝑥 ≥ 45

sehingga diperoleh:

μSedikit[45] =

30−20

30−10= 0.50

dan juga termasuk dalam himpunan fuzzy SEDANG dengan derajat keanggotaan

sesuai fungsi berikut:

μSedang[20] = 20−15

15= 0.33

μBanyak[20] = 0.00

yang berarti bahwa, jumlah bercak dikatakan SEDIKIT dengan derajat

keanggotaan 50% dan juga dikatakan SEDANG dengan derajat keanggotaan 33%.

Untuk variabel luas sebaran bercak didefinisikan tiga himpunan fuzzy, yaitu:

SEMPIT, MEDIUM, dan LUAS. Setiap himpunan fuzzy memiliki interval

keanggotaan yang terlihat pada Gambar 3.8. Berikut adalah gambar derajat

keanggotaan pada variabel luas sebaran bercak sebesar 10%:

51

Gambar 4.6. Fungsi keanggotaan untuk luas sebaran bercak dengan nilai 10.

Luas sebaran bercak sebesar 10% termasuk dalam himpunan fuzzy SEMPIT

dengan derajat keanggotaan sesuai fungsi berikut:


25−5;1 ; 𝑥 ≤ 55 ≤ 𝑥 ≤ 250; 𝑥 ≥ 25

sehingga diperoleh:

μSempit[10] = 25−10

20= 0.75

μMedium[10] = 0.00

μLuas[10] = 0.00

yang berarti bahwa, luas sebaran dapat dikatakan sempit dengan derajat

keanggotaan 75%.

Langkah 2. Aplikasi Fungsi Implikasi

Dengan nilai input jumlah bercak sebesar 20 bercak dan luas sebaran bercak

terhadap permukaan daun sebesar 10%, maka aturan-aturan yang sesuai dengan

kondisi tersebut adalah:

[R1] Jika jumlah bercak sedikit dan luas sebaran bercak sempit, maka intensitas kerusakan ringan

0

0.25

0.5

0.75

1

0 7 14 21 28 35 42 49

Input variabel "Luas Sebaran Bercak" denga nilai 10

52

∝ 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = 𝜇𝑠𝑒𝑑𝑖𝑘𝑖𝑡 ∩ 𝜇𝑠𝑒𝑚𝑝𝑖𝑡

= min (𝜇𝑠𝑒𝑑𝑖𝑘𝑖𝑡(0.50), 𝜇𝑠𝑒𝑚𝑝𝑖𝑡(0.75))

= min(0.50,0.75)

= 0.50

[R4] Jika jumlah bercak sedang dan luas sebaran bercak sempit, maka intensitas kerusakan sedang.

∝ 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡2 = 𝜇𝑠𝑒𝑑𝑎𝑛𝑔 ∩ 𝜇𝑠𝑒𝑚𝑝𝑖𝑡

= min (𝜇𝑠𝑒𝑑𝑎𝑛𝑔(0.33), 𝜇𝑠𝑒𝑚𝑝𝑖𝑡(0.75))

= min(0.33, 0.75)

= 0.33

Berikut adalah tabel untuk fungsi implikasi jumlah bercak sebanyak 20 bercak

dengan luas sebaran sebesar 10%.

Tabel 4.1 Aplikasi fungsi implikasi untuk jumlah bercak 20 dan luas sebaran bercak

10%.

Luas sebaran bercak

Sempit Medium Luas

Jumlah

bercak

Sedikit RINGAN (0.5)

RINGAN RINGAN

Sedang SEDANG (0.33)

SEDANG SEDANG


Langkah 3. Komposisi Aturan

Pada langkah ini digunakan fungsi MAX, yaitu mengambil derajat

keanggotaan maksimum dari setiap konsekuen aplikasi fungsi implikasi dan

53

menggabungkan dari semua kesimpulan masing-masing aturan, sehingga

diperoleh solusi fuzzy sebagai berikut:

𝜇𝑠𝑓(𝑥) = 𝑚𝑎𝑘𝑠{𝜇𝑟𝑖𝑛𝑔𝑎𝑛(𝑥), 𝜇𝑠𝑒𝑑𝑎𝑛𝑔(𝑥)}

= 𝑚𝑎𝑘𝑠{0.50, 0.33}

Titik potong antara aturan pertama dan aturan kedua adalah ketika

μIntensitasKerusakanRINGAN(x) = μIntensitasKerusakanSEDANG (x), yaitu:

11 − 𝑥 = 0.50

⇔ 𝑥 = 11 − 0.50

⇔ 𝑥 = 10.50

Ketika μIntensitasKerusakanSEDANG (x) = 0.33, maka nilai x adalah:

18 − 𝑥 = 0.33

⇔ 𝑥 = 18 − 0.33

⇔ 𝑥 = 17.67

sehingga didapat fungsi keanggotaan daerah solusi sebagai berikut:

μIntensitasKerusakan =

{

0.50 ; 3 ≤ 𝑥 ≤ 10.5011 − 𝑥; 10.50 ≤ 𝑥 ≤ 10.670.33; 10.67 ≤ 𝑥 ≤ 17.6718 − 𝑥 ; 17.67 ≤ 𝑥 ≤ 18

Langkah 4. Defuzzifikasi

Pada langkah ini, himpunan fuzzy diubah kedalam bilangan real. Input dari

defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-

54

aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada

domain himpunan fuzzy tersebut. Metode yang digunakan untuk medapatkan

output defuzzifikasi adalah metode centroid. Berikut adalah perhitungan

defuzzifikasi intensitas kerusakan daun kentang dengan metode centroid:

𝑥 =∫ (0.50)𝑥 𝑑𝑥 + ∫ (11 − 𝑥)𝑥 𝑑𝑥 + ∫ 0.33𝑥 𝑑𝑥 + ∫ (18 − 𝑥)𝑥 𝑑𝑥

25

18

25

18

11

3

11

3

∫ (0.50)𝑑𝑥 + ∫ (11 − 𝑥)𝑑𝑥 + ∫ 0.33𝑑𝑥 + ∫ (18 − 𝑥)𝑑𝑥25

18

18

11

11

6

6

3

=

0.502

𝑥2 ] +(112𝑥213𝑥3)3

10.50 ] +(0.332

𝑥2) ] +(182𝑥213𝑥3)10.67

17,67 ] 17.6718

10.5010.67

0.50𝑥 ] +(11𝑥12𝑥2)3

10.50 ] +(0.33𝑥) ] +(18𝑥12𝑥2)10.67

17,67 ] 17.6718

10,5010.67

=59.76

8.18

= 9.66

Intensitas kerusakan sebesar 9,66 termasuk ke dalam kategori tingkat

serangan RINGAN, Apabila intensitas kerusakan P. infestans tersebut dihitung

menggunakan logika tegas, sesuai perhitungan yang telah disebutkan pada rumus

(2.3) maka akan diperoleh hasil sebagai berikut:

𝐼 =∑(𝑈 × 𝑉)

𝑍𝑁× 100

𝐼 =6

75× 100%

𝐼 = 8%

Intensitas kerusakan tersebut termasuk ke dalam kategori tingkat serangan

RINGAN.

55

Dalam kasus ini, hasil perhitungan intensitas kerusakan menggunakan

logika fuzzy berbeda dengan menggunakan logika tegas walaupun hasil

identifikasi tingkat serangan adalah sama, yaitu RINGAN.

4.4.2 Contoh Kasus II

Untuk contoh kasus kedua, jumlah bercak yang nampak pada daun adalah

sebanyak 35 bercak dengan persentase luas sebaran bercak terhadap permukaan

daun diperkirakan mencapai 23%.


Variabel jumlah bercak telah didefinisikan pada tiga himpunan fuzzy, yaitu:

SEDIKIT, SEDANG, dan BANYAK. Setiap himpunan fuzzy memiliki interval

keanggotaan, yakni seperti terlihat pada Gambar 3.1. Berikut adalah gambar

derajat keanggotaan pada variabel jumlah bercak untuk nilai 35.


Jumlah bercak 35 termasuk dalam himpunan fuzzy SEDANG dengan derajat


56

𝜇𝑆𝑒𝑑𝑎𝑛𝑔 =

{

0; 𝑥 ≤ 15𝑥−15

30−15; 15 ≤ 𝑥 ≤ 30

45−𝑥

45−30; 30 ≤ 𝑥 ≤ 45

0; 𝑥 ≥ 45

sehingga diperoleh:

μSedikit[35] = 0.00

μSedang[35] = 45−35

15= 0.67

μBanyak[35] = 0.00

yang berarti bahwa, jumlah bercak dikatakan SEDANG dengan derajat

keanggotaan 67%.

Untuk variabel luas sebaran bercak didefinisikan tiga himpunan fuzzy, yaitu:

SEMPIT, MEDIUM, dan LUAS. Setiap himpunan fuzzy memiliki interval

keanggotaan yang terlihat pada Gambar 3.2. Berikut adalah gambar derajat

keanggotaan pada variabel luas sebaran bercak sebesar 23%:


Luas sebaran bercak sebesar 23% termasuk dalam himpunan fuzzy SEMPIT


57


25−5;1; 𝑥 ≤ 5

5 ≤ 𝑥 ≤ 250; 𝑥 ≥ 25

Luas sebaran bercak dengan nilai tersebut juga termasuk dalam himpunan

fuzzy MEDIUM dengan derajat keanggotaan sesuai fungsi berikut:

𝜇𝑀𝑒𝑑𝑖𝑢𝑚 =

{

0; 𝑥 ≤ 20𝑥 − 20

30 − 20; 20 ≤ 𝑥 ≤ 30

40 − 𝑥

40 − 30; 30 ≤ 𝑥 ≤ 40

0; 𝑥 ≥ 40

sehingga diperoleh:

μSempit[23] = 25−23

20= 0.10

μMedium[23] = 23−20

10= 0.43

μLuas[23] = 0.00

yang berarti bahwa, luas sebaran dapat dikatakan SEMPIT dengan derajat

keanggotaan 10% dan juga dikatakan MEDIUM dengan derajat keanggotaan

43%.





[R4] Jika jumlah bercak sedang dan luas sebaran bercak sempit, maka intensitas kerusakan sedang.

∝ 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = 𝜇𝑠𝑒𝑑𝑎𝑛𝑔 ∩ 𝜇𝑠𝑒𝑚𝑝𝑖𝑡

= 𝑚𝑖𝑛 (𝜇𝑠𝑒𝑑𝑎𝑛𝑔(0.67), 𝜇𝑠𝑒𝑚𝑝𝑖𝑡(0.10))

= 𝑚𝑖𝑛(0.67,0.10)

= 0.10

58

[R5] Jika jumlah bercak sedang dan luas sebaran bercak medium maka intensitas kerusakan

sedang.

∝ 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡2 = 𝜇𝑠𝑒𝑑𝑎𝑛𝑔 ∩ 𝜇𝑚𝑒𝑑𝑖𝑢𝑚

= 𝑚𝑖𝑛 (𝜇𝑠𝑒𝑑𝑎𝑛𝑔(0.67), 𝜇𝑚𝑒𝑑𝑖𝑢𝑚(0.43))

= 𝑚𝑖𝑛(0.67,0.43)

= 0.43

Tabel 4.2 Aplikasi fungsi implikasi untuk jumlah bercak 35 dan luas sebaran

bercak 23%.

Luas sebaran bercak

Sempit Medium Luas

Jumlah

bercak

Sedikit RINGAN RINGAN RINGAN

Sedang SEDANG

(0.10)

SEDANG

(0.43)

SEDANG



Pada langkah ini digunakan fungsi MAX, yaitu mengambil derajat




𝜇𝑠𝑓(𝑥) = 𝑚𝑎𝑘𝑠{𝜇𝑠𝑒𝑑𝑎𝑛𝑔(𝑥), 𝜇𝑠𝑒𝑑𝑎𝑛𝑔(𝑥)}

= 𝑚𝑎𝑘𝑠{0.10,0.43}

59


μIntensitasKerusakanSedang(x)=μIntensitasKerusakanSEDANG (x), yaitu:

18 − 𝑥 = 0.10

⇔ 𝑥 = 18 − 0.10

⇔ 𝑥 = 17.90

Ketika μIntensitasKerusakanSEDANG(x) = 0.67, maka nilai x adalah:

18 − 𝑥 = 0.43

⇔ 𝑥 = 18 − 0.43

⇔ 𝑥 = 17.57


μIntensitasKerusakan= {0.43; 6 ≤ 𝑥 ≤ 17.57

18 − 𝑥; 17.57 ≤ 𝑥 ≤ 17.900.10; 17.90 ≤ 𝑥 ≤ 25


Berikut adalah perhitungan defuzzifikasi contoh kasus kedua dengan

metode centroid:

𝑥 =∫ (0.43)𝑥𝑑𝑥 + ∫ (18 − 𝑥)𝑥𝑑𝑥 + ∫ 0.10𝑥𝑑𝑥

18

6

18

6

18

6

∫ (0.43)𝑑𝑥 + ∫ (18 − 𝑥)𝑑𝑥 + ∫ 0.10𝑑𝑥18

6

18

6

18

6

=

0.432

𝑥2 ] +(182𝑥2 −

13𝑥3)6

17.57 ] +(0.102

𝑥2)]17.9018 ]17.57

17.90

0.43𝑥 ] +(18𝑥 −12𝑥2)6

17.57 ] +(0.10𝑥)]17.9018 ]17.57

17.90

= 13.07

60

Intensitas kerusakan sebesar 13.07 termasuk ke dalam kategori tingkat

serangan SEDANG. Apabila intensitas kerusakan P. infestans tersebut dihitung

menggunakan logika tegas, sesuai rumus (2.3) maka akan diperoleh hasil sebagai

berikut:

𝐼 =∑(𝑈 × 𝑉)

𝑍𝑁× 100

𝐼 =36

75𝑥100%

𝐼 = 48%

Intensitas kerusakan sebesar 48% termasuk ke dalam kategori tingkat

serangan BERAT.

Dalam kasus ini, hasil perhitungan intensitas kerusakan dan identifikasi

tingkat serangan menggunakan logika fuzzy berbeda dengan menggunakan logika

tegas.

4.4.3 Contoh Kasus III

Untuk contoh kasus ketiga, jumlah bercak yang nampak pada daun adalah

sebanyak 43 bercak dengan persentase luas sebaran bercak terhadap permukaan

daun diperkirakan mencapai 31%.


Berikut adalah gambar derajat keanggotaan pada variabel jumlah bercak

untuk nilai 43.

61


Jumlah bercak 43 termasuk dalam himpunan fuzzy SEDANG dengan derajat


μSedang =

{

0; 𝑥 ≤ 15𝑥−15

30−15; 15 ≤ 𝑥 ≤ 30

45−𝑥

45−30; 30 ≤ 𝑥 ≤ 45

0; 𝑥 ≥ 45

dan juga termasuk dalam himpunan fuzzy BANYAK dengan serajat keanggotaan

sesuai fungsi berikut:

μBanyak={𝑥−40

60−40

0; 𝑥 ≤ 40; 40 ≤ 𝑥 ≤ 601; 𝑥 ≥ 60

sehingga diperoleh:

μSedikit[43] = 0.00

μSedang[43] = 45−43

15= 0.13

μBanyak[43] = 43−40

20= 0.15

62

yang berarti bahwa, jumlah bercak dikatakan SEDANG dengan derajat

keanggotaan 13% dan dikatakan BANYAK dengan derajat keanggotaan sebesar

15%.

Berikut adalah gambar derajat keanggotaan pada variabel luas sebaran bercak

sebesar 31%:


Luas sebaran bercak sebesar 31% termasuk dalam himpunan fuzzy MEDIUM


μMedium[=

{

0; 𝑥 ≤ 20𝑥−20

30−20; 20 ≤ 𝑥 ≤ 30

40−𝑥

40−30; 30 ≤ 𝑥 ≤ 40

0; 𝑥 ≥ 40

sehingga diperoleh:

μSempit[31] = 0.00

μMedium[31] = 40−31

10= 0.69

63

μLuas[31] = 0.00

yang berarti bahwa, luas sebaran dapat dikatakan MEDIUM dengan derajat

keanggotaan 69%.





[R5] Jika jumlah bercak sedang dan luas sebaran bercak medium maka intensitas kerusakan

sedang

∝ 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = 𝜇𝑠𝑒𝑑𝑎𝑛𝑔 ∩ 𝜇𝑚𝑒𝑑𝑖𝑢𝑚

= 𝑚𝑖𝑛 (𝜇𝑠𝑒𝑑𝑎𝑛𝑔(0.13), 𝜇𝑚𝑒𝑑𝑖𝑢𝑚(0.69))

= 𝑚𝑖𝑛(0.13, 0.69)

= 0.13

[R8] Jika jumlah bercak banyak dan luas sebaran bercak medium maka intensitas kerusakan

berat

∝ 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡2 = 𝜇𝑏𝑎𝑛𝑦𝑎𝑘 ∩ 𝜇𝑚𝑒𝑑𝑖𝑢𝑚

= 𝑚𝑖𝑛 (𝜇𝑏𝑎𝑛𝑦𝑎𝑘(0.15), 𝜇𝑚𝑒𝑑𝑖𝑢𝑚(0.69))

= 𝑚𝑖𝑛(0.15, 0.69)

= 0.15

64

Tabel 4.3 Aplikasi fungsi implikasi untuk jumlah bercak 43 dan luas sebaran bercak 31%. Luas sebaran bercak

Sempit Medium Luas

Jumlah

bercak


Sedang SEDANG SEDANG

0.13

SEDANG

Banyak BERAT BERAT

0.15

BERAT


Pada langkah ini digunakan fungsi Max, yaitu mengambil derajat




𝜇𝑠𝑓(𝑥) = 𝑚𝑎𝑘𝑠{𝜇𝑠𝑒𝑑𝑎𝑛𝑔(𝑥), 𝜇𝑏𝑒𝑟𝑎𝑡(𝑥)}

= 𝑚𝑎𝑘𝑠{0.13, 0.15}


μIntensitasKerusakanSEDANG(x)=μIntensitasKerusakanBERAT (x), yaitu:

18 − 𝑥 = 0.13

⇔ 𝑥 = 18 − 0.13

⇔ 𝑥 = 17.87

Ketika μIntensitasKerusakanSEDANG(x) = 0.15, maka nilai x adalah:

18 − 𝑥 = 0.15

⇔ 𝑥 = 18 − 0.15

⇔ 𝑥 = 17.85

65

Ketika μIntensitasKerusakanBERAT(x) = 0.15 maka nilai x adalah:

𝑥 − 20 = 0.15

⇔ 𝑥 = 20 + 0.15

⇔ 𝑥 = 20.15


μIntensitasKerusakan =

{

0.15 ; 6 ≤ 𝑥 ≤ 17.8518 − 𝑥; 17.85 ≤ 𝑥 ≤ 17.870.13; 17.87 ≤ 𝑥 ≤ 20.15𝑥 − 20 ; 20.15 ≤ 𝑥 ≤ 75


Berikut adalah perhitungan defuzzifikasi intensitas kerusakan daun kentang

dengan metode centroid:

𝑥 =∫ (0.15)𝑥 𝑑𝑥 + ∫ (18 − 𝑥)𝑥 𝑑𝑥 + ∫ 0.13𝑥 𝑑𝑥 + ∫ (𝑥 − 20)𝑥 𝑑𝑥

75

20

75

20

18

6

18

6

∫ (0.15)𝑑𝑥 + ∫ (18 − 𝑥)𝑑𝑥 + ∫ 0.13𝑑𝑥 + ∫ (𝑥 − 20)𝑑𝑥25

18

75

20

18

6

18

6

=

0.152

𝑥2 ] +(182𝑥2 −

13𝑥3)6

17.85 ] +(0.132

𝑥2) ] +(13𝑥3 −

202𝑥2)17.87

20.15 ] 20.1575

17.8517.87

0.50𝑥 ] +(18𝑥 −12𝑥2)6

17.85 ] +(0.13𝑥) ] +(12𝑥218𝑥 − 20𝑥)17.87

20.15 ] 20.1575

17.8517.87

=85735.04

1514.58

= 56.61

Intensitas kerusakan sebesar 56,61 termasuk ke dalam kategori tingkat

serangan BERAT. Apabila intensitas kerusakan P. infestans tersebut dihitung

menggunakan logika tegas sesuai rumus (2.3) maka akan diperoleh hasil sebagai

berikut:

66

𝐼 =∑(𝑈 × 𝑉)

𝑍𝑁× 100

𝐼 =45

75𝑥100%

𝐼 = 60%

Intensitas kerusakan sebesar 60% termasuk ke dalam kategori tingkat

serangan BERAT.

Dalam kasus ini, hasil dari perhitungan intensitas kerusakan menggunakan

logika fuzzy tidak sama dengan menggunakan logika tegas meskipun hasil

identifikasi tingkat serangan adalah sama.

Tabel 4.4 Tabel hasil pengujian

Contoh

Kasus

I

(Mamdani)

I

(Logika

Tegas)

Tingkat

Serangan

(Mamdani)

Tingkat

Serangan

(Logika Tegas)

Sesuai/

Tidak

Sesuai

I 9.66% 8% Ringan Ringan Sesuai

II 13.07% 48% Sedang Berat Tidak

Sesuai

III 56.61% 60% Berat Berat Sesuai

Berdasarkan tabel hasil pengujian, maka tingkat ketepatan identifikasi

dengan menggunakan metode Mamdani adalah sebagai berikut:

Tingkat ketepatan identifikasi (𝑃) = 𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑠𝑖𝑙 𝑑𝑖𝑎𝑔𝑛𝑜𝑠𝑎 𝑦𝑎𝑛𝑔 𝑠𝑒𝑠𝑢𝑎𝑖

𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛𝑥100%

𝑃 =2

3𝑥100%

𝑃 = 67%

67

Berdasarkan contoh kasus pertama, kedua, dan ketiga, terdapat perbedaan

antara hasil perhitungan Intensitas Kerusakan (I) menggunakan metode Mamdani

dengan perhitungan menggunakan logika tegas. Hal ini disebabkan karena pada

metode Mamdani, setiap variabel input memiliki interval yang kemudian akan

diubah ke dalam bentuk derajat keanggotaan. Penggunaan interval tersebut

mempengaruhi hasil perhitungan Intensitas Kerusakan yang menjadi acuan dari

penentuan tingkat serangan P. infestans. Sedangkan untuk perhitungan dengan

logika tegas, input yang digunakan adalah bilangan tegas (crisp), tanpa

penggunaan interval.

“Sesungguhnya Kami menciptakan segala sesuatu menurut ukurannya.” (Q.S.

Al-Qamar [54]: 49)

Penggunaan fungisida dengan takaran yang sesuai prosedur harus

disesuaikan dengan jumlah bercak yang nampak pada setiap pengamatan. Jumlah

bercak dan luas sebaran bercak mempengaruhi nilai dari tingkat serangan P.

infestans. Nilai tersebut akan menjadi acuan apakah serangan telah mencapai

ambang kendali diperbolehkannya menggunakan fungisida atau tidak.

Pengendalian yang tepat sasaran mengurangi resiko terjadinya kerusakan

lingkungan.

68

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Berdasarkan pembahasan identifikasi tingkat serangan dengan

menggunakan metode Mamdani, dapat diambil kesimpulan bahwa:

1. Tingkat keakurasian metode fuzzy Mamdani dalam mengidentifikasi

tingkat serangan Phytophthora infestans pada tanaman kentang adalah

sebesar 67%.

2. Terdapat perbedaan antara identifikasi tingkat serangan Phytophthora

infestans ketika menggunakan metode fuzzy Mamdani jika

dibandingkan dengan identifikasi menggunakan logika tegas. Hal ini

disebabkan karena pada metode Mamdani, setiap variabel input

memiliki interval yang harus diubah ke dalam bentuk derajat

keanggotaan. Penggunaan interval tersebut mempengaruhi hasil

perhitungan Intensitas Kerusakan yang menjadi acuan dari penentuan

tingkat serangan P. infestans. Sedangkan untuk perhitungan dengan

logika tegas, input yang digunakan adalah bilangan tegas (crisp), tanpa

penggunaan interval.

B. Saran

Adapun saran yang diberikan untuk pengembangan program lebih lanjut

adalah sebagai berikut: Metode fuzzy Mamdani lebih baik diterapkan ketika

merancang sebuah aplikasi identifikasi tingkat serangan P. Infestans yang

69

berbasis citra sehingga input yang berupa jumlah bercak dan luas sebaran

bercak terhadap luas permukaan daun tersebut tidak perlu dilakukan secara

manual sehingga data yang didapatkan akan lebih akurat.

LAMPIRAN

Lampiran 1. Tabel perhitungan intensitas kerusakan menggunakan logika tegas

No. Jumlah

Bercak

Jumlah

Daun

Sakit

Skor Skor

Tertinggi

Jumlah

Daun

Diamati

P

(%)

Kategori

1 20 6 1 5 15 8 Ringan

2 35 12 3 5 15 48 Berat

3 43 15 3 5 15 60 Berat

Lampiran 2. Tabel Kategori intensitas serangan untuk jenis penyakit secara

umum (berdasarkan logika tegas)

No Tingkat Serangan Intensitas Serangan

1 1 - 11% Ringan

2 11 – 25% Sedang

3 25 – 75% Berat

4 75 – 100% Puso

Lampiran 3. Daftar simbol yang digunakan dalam laporan tugas akhir

No Simbol Keterangan Simbol

1 µ Derajat keanggotaan suatu himpunan fuzzy

2 P Intensitas kerusakan

3 I Intensitas kerusakan

4 α Nilai keanggotaan nol

5 β Titik infleksi

6 γ Nilai keanggotaan lengkap

7 Z* Titik pusat metode centroid

8 X Jumlah bercak

9 Y Luas sebaran bercak terhadap permukaan daun

Lampiran 4. Daftar singkatan yang digunakan dalam laporan tugas akhir

No Singkatan Keterangan

1 HPT Hama dan Penyakit Tanaman

2 LOG Largest of Maximum

3 Max Maximum

4 Min Minimum

5 MOM Mean of Maximum

6 OPT Organisme Pengganggu Tumbuhan

7 PHT Pengendalian Hama Terpadu

8 P. infestans Phytophthora infestans

Lampiran 5. Daftar istilah yang berkaitan dengan ilmu hama dan penyakit

tanaman

No Istilah Keterangan

1 Abiotik Penyakit yang tidak hidup, tidak menular

2 Biotik Penyakit yang disebabkan oleh organisme hidup yang dapat menular

3 Epidemi Wabah penyakit menular yang level kejangkitannya lebih tinggi dari

biasanya

4 Fungsida Senyawa kimia beracun yang digunakan untuk membasmi jamur

5 Haustoria Organ penyerap makanan dari substrat

6 Inang Tumbuhan yang menjadi tempat hidup organisme penyebab penyakit

pada tumbuhan

7 Interseluler Prose yang terjadi di dalam sel makhluk hidup

Hifa Struktur sel meyerupai benang pembentuk tubuh jamur

8 Konidiofor Hifa khusus pembentuk konidium

9 Konidium Spora yang terbentuk tanpa proses pembuahan

10 Miselium Kumpulan beberapa hifa

11 Nekrotis Kerusakan/kematian jaringan

12 Oospora Spora yang terbentuk dari pertemuan antara gamet jantan

(anteridium) dan gamet betina (ooginium)

13 Patogen Organisme yang menyebabkan penyakit pada tanaman inang

14 Pestisida Bahan kimia sintetik yang digunakan untuk mencegah, membasmi

hama pada tanaman

15 Phytopathometry Metode pengukuran penyakit yang meliputi insiden penyakit,

keparahan penyakit, dan pola spatial dari penyakit.

16 Spora Sel reproduksi aseksual yang dapat berfungsi sebagai alat penyebaran

atau pun untuk bertahan hidup

17 Sporangium Tempat pembentukan spora

18 Stomata Bentuk tunggal dari stomata (alat pengatur proses transpirasi,

fotosintesis, dan respirasi)

19 Virulen Mikroorganisme yang mampu menyebabkan penyakit

Lampiran 6. Interface aplikasi identifikasi tingkat serangan P. ifestans

Gambar 1. Petunjuk nilai yang dapat diinputkan

Gambar 2. Hasil identifikasi tingkat serangan P. infestans dengan jumlah

bercak 10 dan luas sebaran bercak 10%

Lanjutan Lampiran 6.

Gambar 3. Hasil identifikasi tingkat serangan P. infestans dengan jumlah bercak

35 dan luas sebaran bercak 23%

Gambar 4. Hasil identifikasi tingkat serangan P. infestans dengan jumlah

bercak 43 dan luas sebaran bercak 31%

Lampiran 7. Source code implementasi metode Fuzzy Mamdani dalam

identifikasi tingkat serangan P. infestans

package prof.kentang;

import android.app.Activity;

import android.os.Bundle;

import android.view.View;

import android.widget.Button;

import android.widget.EditText;

import android.widget.TextView;

import android.widget.Toast;

public class FuzzyMamdani extends Activity{

protected EditText mX, mY, mHimp, mHimpY, mRule, mRuleY, mImpli,mImpliY,

mKomp;

protected TextView mDefuzzi,mKomposisi, mDerajat, mDerajatY, mImplikasi,

mImplikasiY, mLevel;

protected Button mOke;

public void onCreate(Bundle savedInstanceState){

super.onCreate(savedInstanceState);

setContentView(R.layout.level_fix);

mX = (EditText)findViewById(R.id.editX);

mY = (EditText)findViewById(R.id.editY);

mDerajat = (TextView)findViewById(R.id.textView3);

mDerajatY = (TextView)findViewById(R.id.textView3a);

mHimp = (EditText)findViewById(R.id.edDrjt);

mHimpY = (EditText)findViewById(R.id.edDrjtY);

mRule = (EditText)findViewById(R.id.edRuleX);

mRuleY = (EditText)findViewById(R.id.edRuleY);

mImplikasi = (TextView)findViewById(R.id.textView5);

mImplikasiY = (TextView)findViewById(R.id.textView5a);

mImpli = (EditText)findViewById(R.id.edImpli);

mImpliY = (EditText)findViewById(R.id.edImpliY);

mKomposisi = (TextView)findViewById(R.id.textView6);

mKomp = (EditText)findViewById(R.id.edKomp);

mDefuzzi = (TextView)findViewById(R.id.textView7);

mLevel = (TextView)findViewById(R.id.textView8);

mOke = (Button)findViewById(R.id.tblOke);

String note = ".:: PETUNJUK NILAI YANG DAPAT DIINPUTKAN ::. \n" +

"Semesta pembicaraan untuk setiap variabel Fuzzy: \n" +

"Jumlah bercak [10,60]\n" +

"Luas sebaran bercak [5,49]\n" +

"Intensitas kerusakan [3,75]\n" +

"\n" +

"dengan himpunan fuzzy masing-masing veriabel: \n" +

"Jumlah bercak: SEDIKIT (10,30)\n" +

"Jumlah bercak: SEDANG (15,45)\n" +

"Jumlah bercak: BANYAK (40,60)\n" +

"\n" +

"Luas sebaran bercak: SEMPIT (5-25)\n" +

"Luas sebaran bercak: MEDIUM (20-40)\n" +

"Luas sebaran bercak: LUAS (35-49)\n" +

"\n" +

"Intensitas kerusakan: RINGAN (3-11)\n" +

"Intensitas kerusakan: SEDANG (6-25)\n" +

"Intensitas kerusakan: BERAT (20-75)";

mDerajat.setText(note);

mRule.setAlpha(0);

mImplikasi.setAlpha(0);

mKomposisi.setAlpha(0);

mDefuzzi.setAlpha(0);


registerButtonListenerAndSetDefaultText();

}

private void registerButtonListenerAndSetDefaultText(){

mOke.setOnClickListener(new View.OnClickListener() {

@Override

public void onClick(View view) {

// TODO Auto-generated method stub

hitungDegree();

setResult(RESULT_OK);

}

});

}

public void bersihkan(){

mDerajat.setText(" ");

mHimp.setText(" ");

mHimpY.setText(" ");

mRule.setText(" ");

mRuleY.setText(" ");

mImpli.setText(" ");

mImpliY.setText(" ");

mDefuzzi.setText(" ");

mLevel.setText(" ");

}

public void hitungDegree(){

bersihkan();

float minSdkt = 10;

float maxSdkt = 30;

float minSdg = 15;

float tnghSdg = 30;

float maxSdg = 45;

float minBnyk = 40;

float maxBnyk = 60;

float minSempit = 5;

float maxSempit = 25;

float minMedium = 20;

float tnghMedium= 27;

float maxMedium = 40;

float minLuas = 35;

float maxLuas = 49;

{

int x = Integer.parseInt(mX.getText().toString());

int y = Integer.parseInt(mY.getText().toString());

mDerajat.setAlpha(1);

mImplikasi.setAlpha(1);

mImplikasiY.setAlpha(1);

mKomposisi.setAlpha(1);

mKomp.setAlpha(1);

mDefuzzi.setAlpha(1);

mImpli.setAlpha(1);

mImpliY.setAlpha(1);

float mSdkt = (maxSdkt-x)/(maxSdkt-minSdkt);

float mSdg = (x-minSdg)/(tnghSdg-minSdg);

float mSdg1 = (maxSdg-x)/(maxSdg-tnghSdg);

float mByk = (x-minBnyk)/(maxBnyk-minBnyk);

float mSmpt = (maxSempit-y)/(maxSempit-minSempit);

float mMed = (y-minMedium)/(tnghMedium-minMedium);

float mMed1 = (maxMedium-y)/(maxMedium-tnghMedium);

float mLuas = (y-minLuas)/(maxLuas-minLuas);


String a = "SEDIKIT";

String b = "SEDANG";

String c = "BANYAK";

String a1 = "SEMPIT";

String b1 = "MEDIUM";

String c1 = "LUAS";

//=============================================================================

=====//

if( (x<minSdkt || x>maxBnyk)||(y<minSempit || y>maxLuas))

{

Toast.makeText(this, "Out of range ", Toast.LENGTH_LONG).show();

bersihkan();

return;

}

//===================PEMBENTUKAN HIMPUNAN================================

Toast.makeText(this, "Jumlah Bercak= " + x + "\n"+

"Luas Sebaran Bercak= " + y + "\n",

Toast.LENGTH_LONG).show();

if(x >= 10 && x <15)

{

mDerajat.setText(x+ ": " + a);

mHimp.setAlpha(1);


}

else if(x >=15 && x<=30)

{

mDerajat.setText(x+ ": " + a + " ; " + b);

mHimp.setAlpha(1);


mRule.setAlpha(1);

mRule.setText(Float.toString(mSdg));

}

else if(x>30 && x<40)

{

mDerajat.setText(x+ ": " + b);

mHimp.setAlpha(1);

mHimp.setText(Float.toString(mSdg1));

}

else if(x>=40 && x<=60)

{

if(x==40 || x<=45)

{

mDerajat.setText(x+ ": " + b + " , " + x + ": " + c);

mHimp.setAlpha(1);

mHimp.setText(Float.toString(mSdg1));

}

mRule.setAlpha(1);

mRule.setText(Float.toString(mByk));

}

//===========================================================

if(y >= 5 && y <20)

{


mDerajatY.setText(y+ ": " + a1);

mHimpY.setAlpha(1);


}

else if(y >=20 && y<=25)

{



mDerajatY.setText(y+ ": " + a1 +" ; " + y + ": " + b1);

mHimpY.setAlpha(1);


mRuleY.setAlpha(1);

mRuleY.setText(Float.toString(mMed));

}

else if(y>25 && y<35)

{



mHimpY.setAlpha(1);


}

else if(y>=35 && y<=49)

{

if(y==35 || y<=40)

{


mHimpY.setAlpha(1);


}


mDerajatY.setText(y+ ": " + c1);

mRuleY.setAlpha(1);

mRuleY.setText(Float.toString(mLuas));

}

//==================DOMAIN INTENSITAS KERUSAKAN=============

double min_ringan = 3;

double max_ringan = 11;

double min_sedang = 6;

double tengah_sdg = 18;

double max_sedang = 25;

double min_berat = 20;

double max_berat = 75;

//======================FUNGSI IMPLIKASI======================

//==================CONTOH KASUS I

if (((x<=30 && x>=10) && (y<=25 && y>=5))&&((x<=45 && x>=15)&&(y<=25 &&

y>=5))){

double sedikit = Double.parseDouble(mHimp.getText().toString());

double sedang = Double.parseDouble(mRule.getText().toString());


if (sedikit < sempit)

{

mImpli.setText(Double.toString(sedikit));

}

else

{


}

//===========

if(sedang < sempit)

{


}


{

mImpliY.setText(Double.toString(sempit));

}


else if(mSdg1 < mSmpt)

{

mImpliY.setText(Double.toString(mSdg1));

}

else if (mSdg1 > mSmpt)

{

mImpliY.setText(Double.toString(mSmpt));

}

//===========================KOMPOSISI ATURAN=====================

double aPredikat1 =

Double.parseDouble(mImpli.getText().toString());

double aPredikat2 =

Double.parseDouble(mImpliY.getText().toString());





mKomp.setText(Double.toString(tp1) + " ; " +

Double.toString(tp2) + " ; " + Double.toString(tp3));

//======================DEFUZZIFIKASI=========================

double satu = 1;

double d1 = (aPredikat1/2*tp1*tp1)-

(aPredikat1/2*min_ringan*min_ringan);

double d2 = ((max_ringan/2*tp2*tp2)-(satu/3*tp2*tp2*tp2))-

((max_ringan/2*tp1*tp1)-(satu/3*tp1*tp1*tp1));

double d3 = (aPredikat2/2*tp3*tp3)-(aPredikat2/2*tp2*tp2);

double d4 = ((tengah_sdg/2*tengah_sdg*tengah_sdg)-

(satu/3*tengah_sdg*tengah_sdg*tengah_sdg))-((tengah_sdg/2*tp3*tp3)-

(satu/3*tp3*tp3*tp3));

double de1 = (aPredikat1*tp1)-(aPredikat1*min_ringan);

double de2 = ((max_ringan*tp2)-(satu/2*tp2*tp2))-

((max_ringan*tp1)-(satu/2*tp1*tp1));

double de3 = (aPredikat2*tp3)-(aPredikat2*tp2);

double de4 = ((tengah_sdg*tengah_sdg)-

(satu/2*tengah_sdg*tengah_sdg))-((tengah_sdg*tp3)-(satu/2*tp3*tp3));

double def = (d1 + d2 + d3 + d4)/(de1 + de2 + de3 + de4);


mLevel.setAlpha(1);

double z = def;

if(z >= 3 && z <11)

{


}

else if(z >=11 && z<=25)

{


}

else

{


}

//hasil defuzzi=9,68

}


//==================CONTOH KASUS II

if (((x<=45 && x>=15)&&(y<=25 && y>=5))&&((x<=45 && x>=15)&&(y<=40 &&

y>=20))){

double sedang = Double.parseDouble(mHimp.getText().toString());


double medium = Double.parseDouble(mRuleY.getText().toString());

if(sedang < sempit)

{

mImpli.setText(Double.toString(sedang));

}


{


}

//========

if(sedang < medium)

{


}

else if (sedang > medium)

{

mImpliY.setText(Double.toString(medium));

}



double aPredikat2 =

Double.parseDouble(mImpliY.getText().toString());





Double.toString(tp2));

//======================DEFUZZIFIKASI=========================

double satu = 1;


(aPredikat2/2*min_sedang*min_sedang);

double d2 = ((tengah_sdg/2*tp1*tp1)-(satu/3*tp1*tp1*tp1))-

((tengah_sdg/2*tp2*tp2)-(satu/3*tp2*tp2*tp2));

double d3 = (aPredikat1/2*max_sedang*max_sedang)-

(aPredikat1/2*tp1*tp1);

double de1 = (aPredikat2*tp2)-(aPredikat2*min_sedang);

double de2 = ((tengah_sdg*tp1)-(satu/2*tp1*tp1))-

((tengah_sdg*tp2)-(satu/2*tp2*tp2));

double de3 = (aPredikat1*max_sedang)-(aPredikat1*tp1);

double def = (d1 + d2 + d3)/(de1 + de2 + de3);


mLevel.setAlpha(1);

double z = def;

if(z >= 3 && z <11)

{


}

else if(z >=11 && z<=25)

{


}


else

{


}

//hasil defuzzi=13.07

}

//==================CONTOH KASUS III

if (((x<=45 && x>=15)&&(y<=40 && y>=20))&&((x<=60 && x>=40) && (y<=40 &&

y>=20))){

double sedang = Double.parseDouble(mHimp.getText().toString());

double banyak = Double.parseDouble(mRule.getText().toString());

double medium = Double.parseDouble(mHimpY.getText().toString());

if(sedang < medium)

{

mImpli.setText(Double.toString(sedang));

}

else if (sedang > medium)

{

mImpli.setText(Double.toString(medium));

}

//=============

if (medium < banyak)

{

mImpliY.setText(Double.toString(medium));

}

else if (medium > mByk)

{

mImpliY.setText(Double.toString(banyak));

}



double aPredikat2 = Double.parseDouble(mImpliY.getText().toString());




double tp3 = min_berat + aPredikat2;


Double.toString(tp2) + " ; " + Double.toString(tp3));

//======================DEFUZZIFIKASI=========================

double satu = 1;


(aPredikat2/2*min_sedang*min_sedang);

double d2 = ((tengah_sdg/2*tp1*tp1)-(satu/3*tp1*tp1*tp1))-

((tengah_sdg/2*tp2*tp2)-(satu/3*tp2*tp2*tp2));

double d3 = (aPredikat1/2*tp3*tp3)-(aPredikat1/2*tp1*tp1);

double d4a = ((satu/3*max_berat*max_berat*max_berat)-

(min_berat/2*max_berat*max_berat));

double d4b = ((satu/3*tp3*tp3*tp3)-(min_berat/2*tp3*tp3));

double d4 = d4a-d4b;

double de1 = (aPredikat2*tp2)-(aPredikat2*min_sedang);

double de2 = ((tengah_sdg*tp1)-(satu/2*tp1*tp1))-

((tengah_sdg*tp2)-(satu/2*tp2*tp2));

double de3 = (aPredikat1*tp3)-(aPredikat1*tp1);

double de4a = ((satu/2*max_berat*max_berat)-

(min_berat*max_berat));


double de4b = ((satu/2*tp3*tp3)-(min_berat*tp3));

double de4 = de4a-de4b;

double def = (d1 + d2 + d3 + d4)/(de1 + de2 + de3 + de4);


mLevel.setAlpha(1);

double z = def;

if(z >= 3 && z <11)

{


}

else if(z >=11 && z<=25)

{


}

else

{


}

}

}

}

}

DAFTAR PUSTAKA

Asaad, Muh., Warda, Lologau, A. Baso. 2010. Kajian Pengendalian Terpadu Hama dan

Penyakit Utama pada Kentang Tropika di Sulawesi Selatan. Posiding Seminar

Ilmiah dan Pertemuan Tahunan PEJ dan PFJ XX Komisariat Daerah Sulawesi

Selatan.

http://www.peipfi-komdasulsel.org/wp-content/uploads/2011/06/298-307-KAJIAN-

PENGENDALIAN-TERPADU-M-ASAAD-2-Kentang.pdf (diunduh pada

tanggal 15 November 2013).

Direktorat Perlindungan Tanaman Hortikultura. 2008. Pengenalan dan Pengendalian

Hama Tanaman Sayuran Prioritas. Jakarta: Direktorat Perlindungan Tanaman

Hortikultura, Direktorat Jenderal Hortikultura.

http://ditlin.hortikultura.deptan.go.id/images/data/pdf/buku_sayur2.pdf ).

Ditlinhorti. 2013. Busuk Daun (Hawar Daun) (Late Blight) Phytophthora infestans

(Mont.) dBy. Jakarta: Direktorat Perlindungan Hortikultura.

http://ditlin.hortikultura.deptan.go.id/index.php?option=com_content&view=article&id=1

03&Itemid=226 (diunduh pada tanggal 13 September 2013).

Duriat, A.S., Gunawan, Oni., Gunaeni, Neni. 2006. Penerapan Teknologi PHT pada

Tanaman Kentang, Monografi No. 28, ISBN: 979-8304-50-0. Bandung: Balai

Penelitian Tanaman Sayuran.

http://balitsa.litbang.deptan.go.id/ind/index.php/direktori-file/category/ (diunduh pada

tanggal 14 November 2013).

Farida, Afifah. 2011. Penanganan Penyimpanan Kentang Bibit (Solanun tuberosum L.) di

Hikmah Farm Pengalengan Bandung Jawa Barat. Skripsi Diterbitkan. Bogor:

Departemen Agronomi dan Hortikultura Institut Pertanian Bogor.

http://dosen.narotama.ac.id/wp-content/uploads/2012/03/Penanganan-penyimpanan-

kentang-bibit.pdf (diunduh pada tanggal 07 Mei 2014).

Kusumadewi. 2002. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu:

Yogyakarta.

Negnevitsky, Michael. 2005. Artificial Intelligence, A Guide to Intelligent Systems.

England: Addison Wesley.

Nurhayati. 2011. Epidemiologi Penyakit Tumbuhan. Palembang: Penerbit Universitas

Sriwijaya.

Puslitbang Hortikultura. 2013. Budidaya Tanaman Kentang. Jakarta Selatan: Pusat

Penelitian dan Pengembangan Hortikultura.

http://hortikultura.litbang.deptan.go.id/index.php?bawaan=berita/fullteks_berita&id=449

(diunduh pada tanggal 25 Januari 2014).

Rizkyarti, Adisti. 2010. Dasar Proteksi Tanaman, Perhitungan Intensitas Penyakit.

Laporan praktikum Diterbitkan. Bogor: Departemen Proteksi Tanaman Institut

Pertanian Bogor.

Riley, M.b., M.R. Williamson., O. Maloy. 2002. Plant Disease Diagnosis, The Plant

Health Instuctor, DOI: 10.1094/PHI-I-2002-1021-01.

https://www.apsnet.org/edcenter/intropp/topics/Pages/PlantDiseaseDiagnosis.aspx

(diunduh pada tanggal 02 November 2013).

Semangun, Haryono. 2007. Penyakit-penyakit Tanaman Hortikultura di Indonesia.

Yogyakarta: Gadjah Mada University Press.

Shihab,M. Quraish. 1998. Wawasan Al-Quran Tafsir Maudhu’I atas Pelbagai Persoalan

Umat. Bandung: Penerbit Mizan.

http://media.isnet.org/Islam/Quraish/Wawasan/Adil1.html

Wulandari, Yogawati. 2011. Aplikasi Metode Mamdani dalam Penentuan Status Gizi

dengan Indeks Massa Tubuh (IMT) Menggunakan Logika Fuzzy. Skripsi

Diterbitkan. Yogyakarta: Jurusan Pendidikan Matematika Universitas Negeri

Yogyakarta.

http://eprints.uny.ac.id/2295/1/YOGAWATI_WULANDARI_07305144006.pdf (diunduh

pada tanggal 18 Maret 2014).

Yulimasni, 2004. Serangan Penyakit Busuk Daun (Phytophthora infestans Mont de

Barry) pada 14 Klon/Varietas Unggul Kentang di Alahan Panjang Smuatera

Barat. Sumatera Barat: Balai Pengkajian Teknologi Pertanian Sumatera Barat.

http://sumbar.litbang.deptan.go.id/ind/images/pdf/hptkentang.pdf (diunduh pada tanggal

12 Maret 2014).

IDENTIFIKASI TINGKT SERANGN PENYAKIT BUSUK DAUN

(Phytophtora infestans (Mont.) de Bary) PADA TANAMAN KENTANG

MENGGUNAKAN METODE FUZZY MAMDANI BERBASIS ANDROID

Rezki Ramdhani

Jurusan Teknik Informatika, Fakultas Saintek, UIN Maulana Malik Ibrahim Malang

Jl. Gajayana 50 Malang 65144

ABSTRAK

Pengendalian terhadap serangan Phytophthora infestans menggunakan zat kimiawi seperti

fungisida harus dilakukan secara bijaksana untuk menghindari dampak negatif zat tersebut

terhadap lingkungan. Pengendalian dapat dilakukan apabila intensitas serangan telah mencapai

ambang kendali. Untuk melakukan identifikasi tingkat serangan P. Infestans maka digunakan

metode Fuzzy Mamdani yang terdiri dari empat tahapan, yaitu pembentukan himpunan fuzzy,

aplikasi fungsi implikasi dengan metode Minimum, komposisi aturan dengan metode

Maximum, dan defuzzifikasi (penegasan). Terdapat perbedaan antara hasil perhitungan

intensitas kerusakan P. Infestans menggunakan metode Mamdani dengan perhitungan

menggunakan logika tegas yang berpengaruh terhadap hasil identifikasi tingkat serangan.

Berdasarkan hasil pengujian yang telah dilakukan maka penggunaan metode fuzzy Mamdani

dalam mengidentifikasi tingkat serangan Phytophthora infestans pada tanaman kentang

memiliki tingkat keakurasian sebesar 67%.

Kata kunci: metode Fuzzy Mamdani, himpunan fuzzy, defuzzifikasi, tingkat serangan

I. PENDAHULUAN

Salah satu patogen penting yang sering

menyerang tanaman kentang adalah

Phytophthora infestans. Patogen ini

merupakan cendawan yang hidup di dalam

benih umbi yang sakit, yang jika umbi

tersebut ditanam, maka cendawan tersebut

akan membentuk konidium pada tunas

muda. Jika konidium tersebut terpancarkan

oleh angin, maka akan tersebar ke tanaman

kentang lainnya.

Gejala dan tanda yang dapat menjadi

petunjuk bahwa suatu tanaman kentang

terserng Phytophthora infestans adalah

pada daun kentang tersebut terdapat luka

yang menimbulkan bercak-bercak nekrotis

pada tepi dan ujungnya (Semangun, 2007).

Penggunaan fungisida yang berlebihan

tanpa memperhatikan batas ambang kendali

dalam mengendalikan serangan

Phytopthora infestans akan memberikan

dampak yang merugikan bagi ekosistem

yaitu lingkungan, musuh alami, dan

manusia.

Intensitas kerusakan dihitung untuk dapat

menentukan apakah tingkat serangan dari

P. infestans sudah mencapai ambang

kendali. Untuk menghitung intensitas

kerusakan daun oleh serangan P. infestans

2

dapat digunakan rumus (Asaad, dkk,

2010:301):

𝐼 =∑(𝑈×𝑉)

𝑍𝑁× 100%

dimana I = intensitas kerusakan, U = jumlah

tanaman yang terserang untuk setiap tingkat

kerusakan daun, V = Nilai skala dari setiap

tingkat kerusakan daun, Z = nilai skala

tertinggi, N = jumlah tanaman yang

diamati.

Identifikasi tingkat serangan P. infestans

dilakukan metode fuzzy Mamdani. Ada

empat tahap yang dilakukan dalam metode

ini, yaitu pembentukan himpunan fuzzy,

aplikasi fungsi implikasi, komposisi aturan,

dan defuzzifikasi.

II. ANALISIS DAN PERANCANGAN

SISTEM

Perancangan dimulai dengan beberapa

tahap, yaitu:

1. Pembentukan Himpunan Fuzzy.

Berikut adalah semesta pembicaraan

untuk setiap variabel fuzzy yang

digunakan untuk identifikasi tingkat

kerusakan serangan P. infestans pada

daun kentang:

Tabel 1. Semesta pembicaraan untuk setiap

variabel fuzzy

Fungsi Nama

Variabel

Semesta

Pembicaraan

Input

Jumlah bercak [10, 60]

Luas sebaran

bercak

[5, 49]

Output Intensitas

kerusakan

[3, 75]

Adapun perancangan himpunan fuzzy

pada identifikasi tingkat kerusakan

serangan P. infestans pada daun

kentang sebagai berikut:

Tabel 2. Tabel himpunan fuzzy

Variabel Himpunan Domain Parameter

Jumlah

bercak

Sedikit 10 - 30 (0, 10, 30)

Sedang 15 - 45 (15, 30, 45)

Banyak 40 - 60 (40, 50, 60)

Luas

sebaran

bercak

Sempit 5 - 25 (0, 5, 25)

Medium 20 - 40 (20, 27, 40)

Luas 35 - 49 (35, 45, 49)

Intensitas

Kerusakan

Ringan 3 - 11 (0, 3, 11)

Sedang 6 - 25 (6, 18, 25)

Berat 20 -75 (20, 50, 75)

2. Aplikasi Fungsi Implikasi.

Setelah tahap pertama, yaitu

pembentukan himpunan fuzzy selesai,

maka tahap selanjutnya yang harus

dilakukan adalah pembentukan aturan

fuzzy. Aturan-aturan ini dibentuk untuk

3

menyatakan relasi antara input dan

output.

Tabel 3. Aturan-aturan dalam penentuan

intensitas kerusakan

Luas sebaran bercak

Sempit Medium Luas

Jumlah

bercak

Sedikit Ringan Ringan Ringan

Sedang Sedang Sedang Sedang

Banyak Berat Berat Berat

3. Komposisi Aturan

Pada langkah ini digunakan fungsi

MAX, yaitu mengambil derajat

keanggotaan maksimum dari setiap

konsekuen aplikasi fungsi implikasi

dan menggabungkan dari semua

kesimpulan masing-masing aturan.

Jika contoh kasus yang diambil adalah

contoh kasus I dimana jumlah bercak

20 dan luas sebaran bercak 10%, maka

jumlah bercak 20 termasuk dalam

himpunan fuzzy SEDIKIT dengan

derajat keanggotaan sesuai fungsi

berikut:


30−10;1 ; 𝑥 ≤ 1010 ≤ 𝑥 ≤ 300; 𝑥 ≥ 30

μSedang =

{

0 ; 𝑥 ≤ 15𝑥−15

30−15; 15 ≤ 𝑥 ≤ 30

45−𝑥

45−30; 30 ≤ 𝑥 ≤ 45

0 ; 𝑥 ≥ 45

sehingga diperoleh:

μSedikit[45] =

30−20

30−10= 0.50

dan juga termasuk dalam himpunan

fuzzy SEDANG dengan derajat


μSedang[20] = 20−15

15= 0.33

μBanyak[20] = 0.00

Dengan demikian, solusi fuzzy yang

diperoleh adalah sebagai berikut:

𝜇𝑠𝑓(𝑥) = 𝑚𝑎𝑘𝑠{𝜇𝑟𝑖𝑛𝑔𝑎𝑛(𝑥), 𝜇𝑠𝑒𝑑𝑎𝑛𝑔(𝑥)}

= 𝑚𝑎𝑘𝑠{0.50, 0.33}

Titik potong antara aturan pertama dan

aturan kedua adalah ketika

μRINGAN(x)= μSEDANG (x), yaitu:

11 − 𝑥 = 0.50

⇔ 𝑥 = 11 − 0.50

⇔ 𝑥 = 10.50

Ketika μIntensitasKerusakanSEDANG (x) =

0.33, maka nilai x adalah:

18 − 𝑥 = 0.33

⇔ 𝑥 = 18 − 0.33

⇔ 𝑥 = 17.67

sehingga didapat fungsi keanggotaan

daerah solusi sebagai berikut:

μIntensitas =

{

0.50 ; 3 ≤ 𝑥 ≤ 10.5011 − 𝑥; 10.50 ≤ 𝑥 ≤ 10.670.33; 10.67 ≤ 𝑥 ≤ 17.6718 − 𝑥 ; 17.67 ≤ 𝑥 ≤ 18

4

4. Penegasan (Defuzzifikasi)

Defuzzifikasi yang digunakan dalam

menentukan intensitas kerusakan

adalah dengan metode centroid. Pada

metode ini, solusi crisp diperoleh

dengan cara mengambil titik pusat (𝑧0)

daerah fuzzy.

Secara umum dirumuskan:

𝑧0 =∫ 𝜇(𝑧)𝑑𝑧𝑏

𝑎

∫ 𝜇(𝑧)𝑑𝑧𝑏

𝑎

untuk domain kontinyu, dengan 𝑧0

adalah nilai hasil defuzzifikasi dan 𝜇(𝑧)

adalah derajat keanggotaan titik

tersebut, sedangkan Z adalah nilai

domain ke-i.

Defuzzifikasi yang diperoleh

berdasarkan hasil komposisi aturan

pada kasus jumlah bercak 20 dan luas

sebaran bercak 10% adalah:

×=∫ (0.50)𝑥 𝑑𝑥 + ∫ (11 − 𝑥)𝑥 𝑑𝑥 +

11

3

6

3

∫ (0.50)𝑑𝑥 + ∫ (11 − 𝑥)𝑑𝑥11

6

6

3+

∫ (0.33)𝑑𝑥 + ∫ (18 − 𝑥)25

18𝑑𝑥

18

11

∫ 0.33𝑑𝑥 + ∫ (18 − 𝑥)𝑑𝑥25

18

18

11

𝑥 =59.76

8.18

𝑥 = 9.66

Adapun tahapan yang dilakukan dalam

mengidentifikasi tingkat serangan P.

infestans digambarkan dengan bagan

alir berikut:

Gambar 1 Bagan alir proses identifikasi

tingkat serangan P. infestans

III. HASIL DAN PEMBAHASAN

Untuk pengujian, diambil tiga contoh

kasus.

Tabel 4. Contoh kasus proses identifikasi tingkat

serangan P. infestans

Kasus Jumlah

Bercak

Luas Sebaran

Bercak

I 20 10

II 35 23

III 43 31

Berdasarkan contoh kasus pertama,

kedua, dan ketiga, terdapat perbedaan

antara hasil perhitungan Intensitas

Kerusakan (I) menggunakan metode

Mamdani dengan perhitungan

menggunakan logika tegas. Hal ini

disebabkan karena pada metode

Mamdani, setiap variabel input

memiliki interval yang kemudian akan

5

diubah ke dalam bentuk derajat

keanggotaan. Penggunaan interval

tersebut mempengaruhi hasil

perhitungan Intensitas Kerusakan yang

menjadi acuan dari penentuan tingkat

serangan P. infestans. Sedangkan

untuk perhitungan dengan logika tegas,

input yang digunakan adalah bilangan

tegas (crisp), tanpa penggunaan

interval.

Tabel 5. Tabel hasil pengujian

Uji

Coba

I

(M)

I

(LT)

TS

(M)

TS

(LT)

I 9.66% 8% Ringan Ringan

II 13.07% 48% Sedang Berat

III 56.61% 60% Berat Berat

Keteranga: I = Intensitas kerusakan, M =

Mamdani, LT = Logika Tegas, TS = Tingkat

Serangan.

Berdasarkan tabel hasil pengujian,

maka tingkat ketepatan identifikasi

dengan menggunakan metode

Mamdani adalah sebagai berikut:

Tingkat ketepatan identifikasi (𝑃) =

𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑠𝑖𝑙 𝑑𝑖𝑎𝑔𝑛𝑜𝑠𝑎 𝑦𝑎𝑛𝑔 𝑠𝑒𝑠𝑢𝑎𝑖

𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛𝑥100%

𝑃 =2

3𝑥100%

𝑃 = 67%

IV. KESIMPULAN

Berdasarkan pembahasan identifikasi

tingkat serangan dengan menggunakan

metode Mamdani, dapat diambil

kesimpulan bahwa:

1. Tingkat keakurasian metode fuzzy

Mamdani dalam mengidentifikasi

tingkat serangan Phytophthora

infestans pada tanaman kentang

adalah sebesar 67%.

2. Terdapat perbedaan antara

identifikasi tingkat serangan

Phytophthora infestans ketika

menggunakan metode fuzzy

Mamdani jika dibandingkan

dengan identifikasi menggunakan

logika tegas. Hal ini disebabkan

karena pada metode Mamdani,

setiap variabel input memiliki

interval yang harus diubah ke

dalam bentuk derajat keanggotaan.

Penggunaan interval tersebut

mempengaruhi hasil perhitungan

Intensitas Kerusakan yang

menjadi acuan dari penentuan

tingkat serangan P. infestans.

Sedangkan untuk perhitungan

dengan logika tegas, input yang

digunakan adalah bilangan tegas

(crisp), tanpa penggunaan interval.

6

V. DAFTAR PUSTAKA

Asaad, Muh., Warda, Lologau, A. Baso. 2010. Kajian Pengendalian Terpadu Hama dan Penyakit Utama

pada Kentang Tropika di Sulawesi Selatan. Posiding Seminar Ilmiah dan Pertemuan Tahunan PEJ

dan PFJ XX Komisariat Daerah Sulawesi Selatan.

http://www.peipfi-komdasulsel.org/wp-content/uploads/2011/06/298-307-KAJIAN-

PENGENDALIAN-TERPADU-M-ASAAD-2-Kentang.pdf (diunduh pada tanggal 15 November

2013).

Duriat, A.S., Gunawan, Oni., Gunaeni, Neni. 2006. Penerapan Teknologi PHT pada Tanaman Kentang,

Monografi No. 28, ISBN: 979-8304-50-0. Bandung: Balai Penelitian Tanaman Sayuran.

Kusumadewi. 2002. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu: Yogyakarta.

http://balitsa.litbang.deptan.go.id/ind/index.php/direktori-file/category/ (diunduh pada tanggal 14

November 2013).

Semangun, Haryono. 2007. Penyakit-penyakit Tanaman Hortikultura di Indonesia. Yogyakarta: Gadjah

Mada University Press.

IDENTIFIKASI TINGKAT SERANGAN PENYAKIT BUSUK DAUN (Phytophthora infestans (Mont.) de Bary) PADA

TANAMAN KENTANG MENGGUNAKAN METODE FUZZY MAMDANI

BERBASIS ANDROID

Skripsi

Oleh:

REZKI RAMDHANI 08650005

BAB I: PENDAHULUAN 1.1 LATAR BELAKANG 1. Salah satu OPT penting pada kentang adalah Phytophthora infestans. 2. Kerugian di pihak petani akibat serangan P. infestans mencapai 50%. 3. Perlu dilakukan identifikasi tingkat serangan P. infestans untuk mengetahui intensitas

kerusakan telah mencapai ambang kendali diperbolehkan menggunakan fungisida. 4. Penggunaan fungisida yang tidak sesuai ambang kendali dapat merusak lingkungan. 5. Logika fuzzy Mamdani mengidentifikasi tingkat serangan P. infestans berdasarkan nilai input

dan output yang memiliki interval.

1.2 RUMUSAN MASALAH

1. Bagaimana tingkat keakurasian metode fuzzy Mamdani dalam mengidentifikasi tingkat serangan Phytophthora infestans pada tanaman kentang?

2. Bagaimana perbedaan hasil identifikasi tingkat serangan Phytophthora infestans pada tanaman kentang apabila menggunakan metode fuzzy Mamdani jika dibandingkan dengan identifikasi menggunakan logika tegas?

1.3 BATASAN MASALAH

1. Identifikasi tingkat serangan Phytophthora infestans dilakukan pada bagian daun dari tanaman kentang yang menunjukkan gejala dan tanda penyakit.

2. Tingkat serangan Phytophthora infestans dihitung berdasarkan jumlah dan luas sebaran bercak terhadap luas permukaan daun.

1.4 TUJUAN PENELITIAN

1. Mengetahui tingkat keakurasian metode fuzzy Mamdani dalam mengidentifikasi tingkat serangan Phytophthora infestans pada tanaman kentang.

2. Mengetahui perbedaan hasil identifikasi tingkat serangan Phytophthora infestans apabila menggunakan metode fuzzy Mamdani jika dibandingkan dengan identifikasi menggunakan logika tegas.

1.5 MANFAAT PENELITIAN

Manfaat yang diharapkan dari hasil penelitian ini adalah dapat membantu pengguna untuk mengidentifikasi tingkat serangan Phytophthora infestans pada tanaman kentang

1.6 METODE PENELITIAN

1. Pengumpulan Data 2. Analisis Data 3. Perancangan dan Desain Sistem 4. Pembuatan Aplikasi 5. Uji Coba dan Evaluasi 6. Penyusunan Laporan Tugas Akhir

1.7 SISTEMATIKA PENULISAN

BAB I PENDAHULUAN BAB II LANDASAN TEORI BAB III DESAIN DAN PERANCANGAN SISTEM BAB IV HASIL DAN PEMBAHASAN BAB V PENUTUP

BAB II: TINJAUAN PUSTAKA Epidemiologi Penyakit Tumbuhan

Parameter yang digunakan untuk pengukuran penyakit: 1. Disease incidence (insidensi penyakit) 2. Prevelensi Penyakit 3. Disease severity (keparahan penyakit) 4. Kehilangan hasil

PENGUKURAN PENYAKIT

Rumus insidensi penyakit Rumus severitas penyakit

Insidensi Penyakit = 𝑥𝑥 100 %

n = jumlah tanaman atau bagian tanaman yang rusak N = jumlah tanaman yang diamati.

Σ(𝑛𝑛 𝑥𝑥 𝑣𝑣)𝑁𝑁𝑥𝑥𝑉𝑉 x 100 % Severitas Penyakit =

n = jumlah tanaman dengan kategori serangan yang sama v = nilai (skor) pada setiap kategori serangan N = jumlah tanaman yang diamati V = nilai (skor) tertinggi

𝑛𝑛𝑁𝑁

Tabel 2.1. Contoh Penilaian terhadap Serangan Phytophthora infestans (Asaad, 2009:301)

SKALA PENILAIAN PENYAKIT BUSUK DAUN

0 Tidak ada serangan

1 Terdapat sebanyak 10 bercak serangan pada daun

2 Terdapat sebanyak 50 bercak serangan pada daun

3 Bercak terdapat hampir di seluruh daun, tetapi tanaman masih kelihatan hijau dan batang belum terserang

4 Setiap daun terserang dan kurang dari 50% daun telah hancur

5 Daun yang hancur 50-75%, tanaman kelihatan setengah cokelat setengah hijau

6 Daun yang hancur >75% atau pangkal batang telah terserang dan pucuknya menunjukkan gejala layu.

Metode Fuzzy Mamdani

1. Pembentukan Himpunan Fuzzy 2. Aplikasi Fungsi Implikasi (aturan) 3. Komposisi Aturan (dengan metode max) 4. Defuzzifikasi (dengan metode centroid)

BAB III: ANALISIS DAN PERANCANGAN SISTEM Tabel 3.1. Semesta Pembicaraan untuk setiap variabel fuzzy

Fungsi Nama Variabel Semesta Pembicaraan

Input

Jumlah bercak [10, 60]

Luas sebaran bercak [5, 49]

Output Intensitas kerusakan [3, 75]

Tabel 3.2. Himpunan Fuzzy

Variabel Himpunan Domain Fungsi Keanggotaan Parameter

Jumlah bercak Sedikit 10 - 30 Bahu kiri (0, 10, 30)

Sedang 15 - 45 Segitiga (15, 30, 45)

Banyak 40 - 60 Bahu kanan (40, 50, 60)

Luas sebaran bercak

Sempit 5 - 25 Bahu kiri (0, 5, 25)

Medium 20 - 40 Segitiga (20, 27, 40)

Luas 35 - 49 Bahu kanan (35, 45, 49)

Intensitas Kerusakan

Ringan 3 - 11 Bahu kiri (0, 3, 11)

Sedang 6 - 25 Segitiga (6, 18, 25)

Berat 20 -75 Bahu kanan (20, 50, 75)

BAB III: ANALISIS DAN PERANCANGAN SISTEM Tabel 3.3. Himpunan fuzzy variabel jumlah bercak

No Himpunan Fuzzy Domain (jumlah)

1 Sedikit 10 - 30

2 Sedang 15 - 45

3 Banyak 40 -60

Tabel 3.4. Himpunan fuzzy variabel luas sebaran bercak No Fuzzy Set Domain (%)

1 Sempit 5 - 25

2 Medium 20 - 40

3 Luas 35 - 49 0

0.5

1

0 7 14 21 28 35 42 49

m (X

)

LUAS SEBARAN BERCAK

0

0.5

1

0 10 20 30 40 50 60

m (X

)

JUMLAH BERCAK

Tabel 3.5. Himpunan fuzzy variabel intensitas kerusakan

No Fuzzy Set Domain (%)

1 Ringan 3 – 11

2 Sedang 6 – 25

3 Berat 20 -75

0

0.5

1

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75

m (x

)

INTENSITAS KERUSAKAN

Tabel 3.6. Aturan-aturan dalam penentuan intensitas kerusakan

Luas sebaran bercak

Sempit Medium Luas

Jumlah bercak


Sedang SEDANG SEDANG SEDANG


PERANCANGAN PROSES

Mulai

Selesai

Jumlah bercak(x) dan luas sebaran bercak(y) dengan nilai crisp

Pembentukan himpunan fuzzy

Aplikasi fungsi implikasi dengan metode Min

Komposisi aturan dengan metode Max

Hitung titik pusat dengan metode Centroid

PERANCANGAN ANTAR MUKA PEMAKAI

1. Menu Utama 2. Menu Identifikasi Tingkat Serangan 3. Menu Cara Pintas

BAB IV: PEMBAHASAN

4.1 Implementasi 4.1.1 Ruang Lingkup Perangkat Keras

1. Intel Core 2 Duo CPU [email protected] x2 2. Memory 2.0 GiB 3. Disk Size 279.6 GB 4. Keyboard

4.1.2 Ruang Lingkup Perangkat Lunak 1. Sistem Operasi LinuxMint 15: olivia (i686) 2. Windows 8 (Ms. Word 2013 dan Ms. Excel 2013) 3. ADT-BUNDLE-LINUX-X86 (Eclipse dan Android SDK Platform Tools) 4. LibreOffice Writer 5. LibreOffice Calc.

mailto:[email protected]

IMPLEMENTASI INTERFACE

Hasil identifikasi tingkat serangan P. infestans dengan jumlah bercak 20 dan luas sebaran bercak 10%



BAB IV: PEMBAHASAN

PENGUJIAN SISTEM

Contoh Kasus

I (Mamdani)

I (Logika Tegas)

Tingkat Serangan

(Mamdani)

Tingkat Serangan

(Logika Tegas)

Sesuai/ Tidak Sesuai

I 9.66% 8% Ringan Ringan Sesuai

II 13.07% 48% Sedang Berat Tidak Sesuai

III 56.61% 60% Berat Berat Sesuai

INTEGRASI SAINS DENGAN AYAT AL-QURAN

“Sesungguhnya Kami menciptakan segala sesuatu menurut ukurannya.” (Q.S. Al-Qamar [54]: 49)

BAB V: KESIMPULAN

1. Tingkat keakurasian metode fuzzy Mamdani dalam mengidentifikasi tingkat serangan Phytophthora infestans pada tanaman kentang adalah sebesar 67%.

2. Terdapat perbedaan antara identifikasi tingkat serangan Phytophthora infestans ketika menggunakan metode fuzzy Mamdani jika dibandingkan dengan identifikasi menggunakan logika tegas. Hal ini disebabkan karena pada metode Mamdani, setiap variabel input memiliki interval yang harus diubah ke dalam bentuk derajat keanggotaan. Penggunaan interval tersebut mempengaruhi hasil perhitungan Intensitas Kerusakan yang menjadi acuan dari penentuan tingkat serangan P. infestans. Sedangkan untuk perhitungan dengan logika tegas, input yang digunakan adalah bilangan tegas (crisp), tanpa penggunaan interval.

BAB V: SARAN

Adapun saran yang diberikan untuk pengembangan program lebih lanjut adalah sebagai berikut: Metode fuzzy Mamdani lebih baik diterapkan ketika merancang sebuah aplikasi identifikasi tingkat serangan P. Infestans yang berbasis citra sehingga input yang berupa jumlah bercak dan luas sebaran bercak terhadap luas permukaan daun tersebut tidak perlu dilakukan secara manual sehingga data yang didapatkan akan lebih akurat.

Sekian &

Terima kasih

IDENTIFIKASI TINGKAT SERANGAN PENYAKIT …etheses.uin-malang.ac.id/7834/1/08650005.pdfIDENTIFIKASI...

Documents

Transcript of IDENTIFIKASI TINGKAT SERANGAN PENYAKIT …etheses.uin-malang.ac.id/7834/1/08650005.pdfIDENTIFIKASI...